{"product_id":"9781617298639","title":"Inside Deep Learning: Mathematik, Algorithmen, Modelle","description":"\u003ctable\u003e\u003ctbody\u003e\n\n\u003ctr\u003e\n\n\u003ctd style=\"\"\u003e \u003cstrong\u003eAutor\/Mitwirkende(r):\u003c\/strong\u003e\n\u003c\/td\u003e\n\n\u003ctd style=\"\"\u003e Raff, Edward\u003cbr\u003e\n\n\u003c\/td\u003e\n\n\n\u003c\/tr\u003e\n\n\u003ctr\u003e\n\n\u003ctd style=\"\"\u003e \u003cstrong\u003eHerausgeber:\u003c\/strong\u003e\n\u003c\/td\u003e\n\n\u003ctd\u003e Manning\u003cbr\u003e\n\n\u003c\/td\u003e\n\n\n\u003c\/tr\u003e\n\n\u003ctr\u003e\n\n\u003ctd style=\"\"\u003e \u003cstrong\u003eDatum:\u003c\/strong\u003e\n\u003c\/td\u003e\n\n\u003ctd\u003e 31.05.2022\u003cbr\u003e\n\n\u003c\/td\u003e\n\n\n\u003c\/tr\u003e\n\n\u003ctr\u003e\n\n\u003ctd style=\"\"\u003e \u003cstrong\u003eBindung:\u003c\/strong\u003e\n\u003c\/td\u003e\n\n\u003ctd style=\"\"\u003e Taschenbuch\u003c\/td\u003e\n\n\n\u003c\/tr\u003e\n\n\u003ctr\u003e\n\n\u003ctd style=\"\"\u003e \u003cstrong\u003eZustand:\u003c\/strong\u003e\n\u003c\/td\u003e\n\n\u003ctd style=\"\"\u003e NEU\u003cbr\u003e\n\n\u003c\/td\u003e\n\n\n\u003c\/tr\u003e\n\n\n\u003c\/tbody\u003e\u003c\/table\u003e \u003cb\u003eReisen Sie durch die Theorie und Praxis des modernen Deep Learning und wenden Sie innovative Techniken zur Lösung alltäglicher Datenprobleme an.\u003c\/b\u003e\u003cbr\u003e \u003cbr\u003eIn \u003ci\u003eInside Deep Learning\u003c\/i\u003e erfahren Sie Folgendes:\u003cbr\u003e\u003cbr\u003e Implementieren Sie Deep Learning mit PyTorch\u003cbr\u003e Wählen Sie die richtigen Deep Learning-Komponenten aus\u003cbr\u003e Trainieren und Auswerten eines Deep-Learning-Modells\u003cbr\u003e Optimieren Sie Deep-Learning-Modelle, um die Leistung zu maximieren\u003cbr\u003e Verstehen Sie die Terminologie des Deep Learning\u003cbr\u003e Passen Sie vorhandenen PyTorch-Code an, um neue Probleme zu lösen\u003cbr\u003e\u003cbr\u003e \u003ci\u003eInside Deep Learning\u003c\/i\u003e ist ein leicht verständlicher Leitfaden zur Implementierung von Deep Learning mit dem PyTorch-Framework. Es entmystifiziert komplexe Deep-Learning-Konzepte und bringt Ihnen das Vokabular des Deep Learning bei, damit Sie in einem sich schnell entwickelnden Bereich Schritt halten können. Kein Detail wird ausgelassen – Sie tauchen in Mathematik, Theorie und praktische Anwendungen ein. Alles wird klar und deutlich in einfachem Englisch erklärt.\u003cbr\u003e\u003cbr\u003e Beim Kauf des gedruckten Buches ist ein kostenloses E-Book in den Formaten PDF, Kindle und ePub von Manning Publications enthalten.\u003cbr\u003e\u003cbr\u003e Über die Technologie \u003cbr\u003eDeep Learning muss keine Blackbox sein! Wenn Sie wissen, wie Ihre Modelle und Algorithmen tatsächlich funktionieren, haben Sie mehr Kontrolle über Ihre Ergebnisse. Und Sie müssen kein Mathematikexperte oder erfahrener Datenwissenschaftler sein, um zu verstehen, was in einem Deep-Learning-System vor sich geht. Dieses Buch vermittelt Ihnen die praktischen Einblicke, die Sie benötigen, um Ihre Arbeit sicher zu verstehen und zu erklären.\u003cbr\u003e\u003cbr\u003e Über das Buch\u003cbr\u003e \u003ci\u003eInside Deep Learning\u003c\/i\u003e beleuchtet die Funktionsweise von Deep-Learning-Algorithmen auf eine Weise, die selbst Anfänger im maschinellen Lernen verstehen können. Sie erkunden Deep-Learning-Konzepte und -Tools anhand von Erklärungen in einfacher Sprache, kommentiertem Code und Dutzenden sofort nützlicher PyTorch-Beispiele. Jeder Typ von neuronalem Netzwerk wird klar und ohne komplexe Mathematik dargestellt, und jede Lösung in diesem Buch kann mit leicht verfügbarer GPU-Hardware ausgeführt werden!\u003cbr\u003e\u003cbr\u003e Was ist da drin\u003cbr\u003e\u003cbr\u003e Wählen Sie die richtigen Deep Learning-Komponenten aus\u003cbr\u003e Trainieren und Auswerten eines Deep-Learning-Modells\u003cbr\u003e Optimieren Sie Deep-Learning-Modelle, um die Leistung zu maximieren \u003cbr\u003eVerstehen Sie die Terminologie des Deep Learning\u003cbr\u003e\u003cbr\u003e Über den Leser\u003cbr\u003e Für Python-Programmierer mit grundlegenden Kenntnissen im maschinellen Lernen.\u003cbr\u003e\u003cbr\u003e Über den Autor\u003cbr\u003e \u003cb\u003eEdward Raff\u003c\/b\u003e ist Chefwissenschaftler bei Booz Allen Hamilton und Autor der JSAT-Bibliothek für maschinelles Lernen.\u003cbr\u003e\u003cbr\u003e Inhaltsverzeichnis\u003cbr\u003e TEIL 1 GRUNDLEGENDE METHODEN\u003cbr\u003e 1 Die Mechanik des Lernens\u003cbr\u003e 2 Vollständig verbundene Netzwerke\u003cbr\u003e 3 Faltungsneuronale Netze\u003cbr\u003e 4 Rekurrierende neuronale Netze\u003cbr\u003e 5 Moderne Trainingstechniken\u003cbr\u003e 6 Gemeinsame Design-Bausteine\u003cbr\u003e TEIL 2: AUFBAU FORTGESCHRITTENER NETZWERKE\u003cbr\u003e 7 Autoencoding und Selbstüberwachung\u003cbr\u003e 8 Objekterkennung\u003cbr\u003e 9 Generative kontradiktorische Netzwerke\u003cbr\u003e 10 Aufmerksamkeitsmechanismen\u003cbr\u003e 11 Sequenz-zu-Sequenz\u003cbr\u003e 12 Netzwerkdesign-Alternativen zu RNNs\u003cbr\u003e 13 Transferlernen\u003cbr\u003e 14 Erweiterte Bausteine","brand":"Manning","offers":[{"title":"Default Title","offer_id":42973611163903,"sku":"9781617298639","price":59.99,"currency_code":"USD","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0452\/0886\/2873\/files\/Jacket_1b6a0455-2386-4fef-8491-5360cc74e936.jpg?v=1771351351","url":"https:\/\/massivebookshop.com\/de\/products\/9781617298639","provider":"MASSIVE BOOKSHOP","version":"1.0","type":"link"}