Listen and read

Step into an infinite world of stories

  • Read and listen as much as you want
  • Over 1 million titles
  • Exclusive titles + Storytel Originals
  • 7 days free trial, then €9.99/month
  • Easy to cancel anytime
Subscribe Now
Details page - Device banner - 894x1036
Cover for Neuronale Netze und Deep Learning kapieren: Der einfache Praxiseinstieg mit Beispielen in Python

Neuronale Netze und Deep Learning kapieren: Der einfache Praxiseinstieg mit Beispielen in Python

Language
German
Format
Category

Non-fiction

Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlich

Deep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht.

Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz.

Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen. Aus dem Inhalt:

• Parametrische und nichtparametrische Modelle

• Überwachtes und unüberwachtes Lernen

• Vorhersagen mit mehreren Ein- und Ausgaben

• Fehler messen und verringern

• Hot und Cold Learning

• Batch- und stochastischer Gradientenabstieg

• Überanpassung vermeiden

• Generalisierung

• Dropout-Verfahren

• Backpropagation und Forward Propagation

• Bilderkennung

• Verarbeitung natürlicher Sprache (NLP)

• Sprachmodellierung

• Aktivierungsfunktionen

• Sigmoid-Funktion

• Tangens hyperbolicus

• Softmax

• Convolutional Neural Networks (CNNs)

• Recurrent Neural Networks (RNNs)

• Long Short-Term Memory (LSTM)

• Deep-Learning-Framework erstellen

© 2019 MITP (Ebook): 9783747500170

Release date

Ebook: November 21, 2019

This is why you’ll love Storytel

  • Listen and read without limits

  • 800 000+ stories in 40 languages

  • Kids Mode (child-safe environment)

  • Cancel anytime

Unlimited stories, anytime

Unlimited

Listen and read as much as you want

9.99 € /month
7 days for free
  • 1 account

  • Unlimited Access

  • Offline Mode

  • Kids Mode

  • Cancel anytime

Try now