Deep Learning - Grundlagen und Implementierung

• Verfasst von: Weidman, Seth [VerfasserIn]
• Titel: Deep Learning - Grundlagen und Implementierung
• Titelzusatz: neuronale Netze mit Python und PyTorch programmieren
• Mitwirkende: Lang, Jørgen W. [ÜbersetzerIn]
• Werktitel: Deep learning from Scratch
• Verf.angabe: Seth Weidman ; deutsche Übersetzung von Jørgen W. Lang
• Ausgabe: 1. Auflage
• Verlagsort: Heidelberg
• Verlag: O'Reilly
• E-Jahr: 2020
• Jahr: [2020]
• Umfang: XIII, 235 Seiten
• Illustrationen: Illustrationen, Diagramme
• Format: 24 cm x 16.5 cm
• ISBN: 978-3-96009-136-3
• Schlagwörter: (s)Deep learning / (s)Python <Programmiersprache> / (s)PyTorch
• Schlagwörter: (s)Künstliche Intelligenz / (s)Maschinelles Lernen / (s)Neuronales Netz
• Schlagwörter: (s)Python <Programmiersprache> / (s)PyTorch
• Sprache: ger
• Bibliogr. Hinweis: Parallele Sprachausgabe
• Bibliogr. Hinweis: Erscheint auch als : Online-Ausgabe, Preselect: Weidman, Seth: Deep Learning. - 1. Auflage. - Heidelberg : O'Reilly, 2020. - 1 Online-Ressource (XIII, 235 Seiten)
• Bibliogr. Hinweis: Erscheint auch als : Online-Ausgabe: Weidman, Seth: Deep Learning - Grundlagen und Implementierung. - Heidelberg : O'Reilly, 2020. - 1 Online-Ressource (252 p)
• Bibliogr. Hinweis: Erscheint auch als : Online-Ausgabe: Weidman, Seth: Deep Learning – Grundlagen und Implementierung. - 1. Auflage. - Heidelberg : O'Reilly, 2020. - 1 Online-Ressource (XIII, 235 Seiten)
• RVK-Notation: ST 250
• RVK-Notation: ST 301
• K10plus-PPN: 1689381671

Abstract

Deep Learning umfasst begrifflich den Prozess einer automatisierten Informationsverarbeitung, bei dem in einem komplexen Verfahren interne Ebenen als sogenannte "Layers" (oder Schichten) Informationen ("Input") aufnehmen, verarbeiten, weitergeben, zu einem Output verdichten und Ergebnisse als "Lernergebnis" zurückgeben. "Python" und "PyTorch" sind als Open-Source-Produkte populär und weit verbreitet. Der Autor, Informatiker bei Facebook, will mit seinem Band sowohl die theoretischen Grundlagen neuronaler Netze vermitteln, zugleich aber praxisorientiert das Vorgehen darstellen und an zahlreichen Codebeispielen erläutern. Es geht um Bausteine, Strukturmodelle, Verfahrensweise des Deep Learning, Typen neuronaler Netze (z.B. CNN und RNN), Trainingsverfahren neuronaler Netze, schliesslich wird PyTorch als Framework vorgestellt. Der Band wendet sich explizit an Softwareingenieure und Systementwickler bzw. Studierende. Empfehlenswert, vor allem wenn einschlägige Titel bereits im Angebot: D. Rao, F. Chollet ) oder M. Salvaris. (3)