Deep Learning – Grundlagen und Implementierung
Neuronale Netze mit Python und PyTorch programmieren
- 252 Seiten
- German
- ePUB (handyfreundlich)
- Über iOS und Android verfügbar
Deep Learning – Grundlagen und Implementierung
Neuronale Netze mit Python und PyTorch programmieren
Über dieses Buch
Grundprinzipien und Konzepte neuronaler Netze systematisch und verständlich erklärt
- Deep-Learning-Grundlagen für Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning
- Implementierung der Deep-Learning-Konzepte mit dem beliebten Framework PyTorch
- Zahlreiche Codebeispiele in Python verdeutlichen die konkrete Umsetzung
Dieses Buch vermittelt Ihnen das konzeptionelle und praktische Rüstzeug, um ein tiefes Verständnis für die Funktionsweise neuronaler Netze zu bekommen. Sie lernen die Grundprinzipien des Deep Learning kennen, zu deren Veranschaulichung Seth Weidman gut nachvollziehbare Konzeptmodelle entwickelt hat, die von Codebeispielen begleitet werden. Das Buch eignet sich für Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning.
Sie beginnen mit den Basics des Deep Learning und gelangen schnell zu den Details fortgeschrittener Architekturen, indem Sie deren Aufbau von Grund auf neu implementieren. Dabei lernen Sie mehrschichtige neuronale Netze wie Convolutional und Recurrent Neural Networks kennen. Diese neuronalen Netzwerkkonzepte setzen Sie dann mit dem beliebten Framework PyTorch praktisch um. Auf diese Weise bauen Sie ein fundiertes Wissen darüber auf, wie neuronale Netze mathematisch, rechnerisch und konzeptionell funktionieren.
Häufig gestellte Fragen
Information
KAPITEL 1
Grundbausteine
- Mathematisch – in der Form einer oder mehrerer Gleichungen.
- Als Code – mit so wenig zusätzlicher Syntax wie möglich (was Python zu einer idealen Wahl macht).
- Als erklärendes Diagramm – wie Sie es beispielsweise während eines »Coding Interviews« auf ein Whiteboard zeichnen würden.
Funktionen
Mathematik
- f1(x) = x2
- f2(x) = max(x, 0)
Diagramme
- Zeichnen Sie einen x-y-Graphen (wobei x für die horizontale Achse steht und y für die vertikale Achse).
- Plotten Sie eine Anzahl von Punkten. Dabei stehen die x-Koordinaten der Punkte (üblicherweise in regelmäßigen Abständen) für die Eingaben der Funktion über einen bestimmten Bereich; die y-Koordinaten stehen für die Ausgaben der Funktionen über den gegebenen Bereich.
- Verbinden Sie die geplotteten Punkte miteinander.
Inhaltsverzeichnis
- Cover
- Titel
- Impressum
- Inhalt
- Einführung
- 1 Grundbausteine
- 2 Erste Modelle
- 3 Deep Learning von Grund auf
- 4 Techniken zur Verbesserung des Trainings
- 5 CNNs – Faltungsbasierte neuronale Netze
- 6 RNNs – Rekurrente neuronale Netze
- 7 PyTorch
- A Die Feinheiten
- Fußnoten
- Index
- Über den Autor
- Über den Übersetzer
- Kolophon