Deep Learning mit TensorFlow, Keras und TensorFlow.js

Beschreibung

Grundkonzepte verstehen!

Deep Learning ist nicht gleich Deep Learning. Lernen Sie die Konzepte des maschinellen Lernens und die verschiedenen Typen Neuronaler Netze von Grund auf kennen.

Je mehr Daten, desto besser lernt Ihr Modell? Ja und nein – worauf es außerdem ankommt, erfahren Sie hier.

Die Frameworks nehmen Ihnen vieles ab, so dass sich leicht erste Ergebnisse erzielen lassen – sogar mit selbst konstruierten und trainierten Modellen. Um mehr zu erreichen, geht es ins Detail. Profitieren Sie von der Projekterfahrung der Autoren, um Deep-Learning-Netzwerke geschickt anzulegen und Stolperfallen zu vermeiden.

Mit TensorFlow.js bringen Sie Ihre Deep-Learning-Anwendung direkt in den Browser. Dabei verwenden Sie JavaScript und HTML5.

Deep Learning ist die Schlüsseltechnologie des derzeitigen Booms rund um Künstliche Intelligenz und Maschinelles Lernen. Dieses Buch zeigt Ihnen anhand zahlreicher Beispiele, wie Sie KI-Projekte mit TensorFlow 2 und weiteren Frameworks für Deep Learning umsetzen.

Dr. Deru und Dr. Ndiaye sind langjährige Mitarbeiter am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) in Saarbrücken. Die beiden KI-Profis zeigen Ihnen klar und präzise, wie Sie eigene Deep-Learning-Projekte entwickeln. Schritt für Schritt lernen Sie die Konzepte des Deep Learnings intensiv kennen und machen sich grundlegend mit TensorFlow 2, Keras und TensorFlow.js vertraut. Schon bald setzen Sie die mächtigen Frameworks für Ihre eigenen Projekte erfolgreich ein.

Hinweis: Grundkenntnisse in Python und JavaScript werden vorausgesetzt. Mathematische Grundkenntnisse sind für das Verständnis neuronaler Netze nötig. Aber keine Angst! Die wichtigsten Konzepte und gängigsten Formeln, die für Deep Learning gebraucht werden, können Sie hier im Buch nachlesen.

• Von der Aufbereitung der Daten bis zur Visualisierung
• Mit Python, HTML5 und JavaScript Deep Learning entdecken
• Inkl. tf.keras, TensorBoard, TensorFlow Hub, ml5.js, Migration nach TensorFlow 2
• Behandelt sowohl TensorFlow (für Python) als auch TensorFlow.js

Aus dem Inhalt:

• Deep-Learning-Grundkonzepte
• Installation der Frameworks
• Vorgefertigte Modelle verwenden
• Datenanalyse und -vorbereitung
• Convolutional Networks, LSTM, RNN, Pooling ...
• Aufgaben eines Modells richtig festlegen
• Eigene Modelle trainieren
• Overfitting und Underfitting vermeiden
• Ergebnisse visualisieren

Autor*in

Matthieu Deru
Dr. Matthieu Deru ist KI-Berater, Software-Ingenieur und ehemaliger Projektleiter am Deutschen Forschungszentrum für Künstliche Intelligenz GmbH (DFKI). Seit über 15 Jahren entwickelt er KI-basierte Lösungen und digitale Produkte für Industrie und Forschung.

Themen in »Deep Learning mit TensorFlow, Keras und TensorFlow.js«

Machine Learning ML Neural Networks Neuronale Netze AI KI Künstliche Intelligenz Deep-Learning-Netze Hand-Buch Bücher Grundlagen Maschinelles Lernen Informatik Wissen Kurse Seminare Tutorials Workshops Artificial Intelligence Data-Science Programmierung Programmieren

Stimmen zu »Deep Learning mit TensorFlow, Keras und TensorFlow.js«

Der Markt für AI-Bücher ist mit Sicherheit alles andere als leer. Der Rezensent kann das vorliegende Buch allerdings mit bestem Gewissen empfehlen - die Abwägung zwischen mathematischem Tiefgang und angewendeten Kenntnissen ist den Autoren bestens gelungen.
()

Die 2. Auflage des Praxishandbuchs zum Deep Learning wurde gründlich aktualisiert. […] Aufbau und Layout dieser Auflage sind unverändert. Der Inhalt jedoch wurde erweitert und dem technischen Fortschritt angepasst.
()

Details

Link teilen