Das Praxisbuch-Handbuch vom Entwickler der Keras-Bibliothek
- Einführung in die grundlegenden Konzepte von Machine Learning und Deep Learning
- Zahlreiche praktische Anwendungsbeispiele zum Lösen konkreter Aufgabenstellungen
- Maschinelles Sehen, Sprachverarbeitung, Bildklassifizierung, Vorhersage von Zeitreihen, Stimmungsanalyse, Erzeugung von Bildern und Texten u.v.m.
Dieses Buch ist eine praxisorientierte Einführung und erläutert die grundlegenden Konzepte sowie den konkreten Einsatz von Deep Learning. Der Autor verzichtet dabei weitgehend auf mathematische Formeln und legt stattdessen den Fokus auf das Vermitteln der praktischen Anwendung von Machine Learning und Deep Learning.
Anhand zahlreicher Beispiele erfahren Sie alles, was Sie wissen müssen, um Deep Learning zum Lösen konkreter Aufgabenstellungen einzusetzen. Dafür verwendet der Autor die Programmiersprache Python und die Deep-Learning-Bibliothek Keras, die das beliebteste und am besten geeignete Tool für den Einstieg in Deep Learning ist.
Das Buch besteht aus zwei Teilen: Teil I ist eine allgemeine Einführung in das Deep Learning und erläutert die grundlegenden Zusammenhänge und Begriffe sowie alle erforderlichen Konzepte, die für den Einstieg in Deep Learning und Neuronale Netze wichtig sind. In Teil II erläutert der Autor ausführlich praktische Anwendungsmöglichkeiten des Deep Learnings beim maschinellen Sehen (Computer Vision) und bei der Verarbeitung natürlicher Sprache. Viele der hier vorgestellten Beispiele können Ihnen später als Vorlage zum Lösen von Problemen dienen, die Ihnen in der Praxis des Deep Learnings begegnen werden.
Das Buch wendet sich an Leser, die bereits Programmiererfahrung mit Python haben und ins Machine Learning und Deep Learning einsteigen möchten. Für den Einsatz von Keras werden grundlegende Python-Kenntnisse vorausgesetzt.
Aus dem Inhalt:
- Was ist Deep Learning?
- Warum Deep Learning? Und warum jetzt?
- Die mathematischen Bausteine eines NNs
- Einführung in neuronale Netze
- Einführung in Keras
- Grundlagen des Machine Learnings
- Deep Learning und maschinelles Sehen
- Deep Learning, Text und sequenzielle Daten
- Bewährte Verfahren des Deep Learnings
- Generatives Deep Learning
- Installation von Keras und der Erweiterungen unter Ubuntu
- Jupyter-Notebooks auf einer EC2-GPU-Instanz ausführen
Über den Autor:
François Chollet ist bei Google tätig und befasst sich mit Deep Learning. Er ist der Entwickler der Deep-Learning-Bibliothek Keras und hat bedeutende Beiträge zum Machine-Learning-Framework TensorFlow geleistet. Er forscht auf dem Gebiet des Deep Learnings mit den Schwerpunkten maschinelles Sehen und der Anwendung des Machine Learnings auf formales Schließen. Seine Forschungsergebnisse wurden auf bedeutenden Veranstaltungen des Fachgebiets veröffentlicht, unter anderem auf der Conference on Computer Vision and Pattern Recognition (CVPR), der Conference on Neural Information Processing Systems (NIPS), der International Conference on Learning Representations (ICLR) und weiteren.
Pressestimmen:
»Ohne komplizierte Mathematik […] führt der Autor in die Grundlagen Neuronaler Netze und Machine Learning ein. Dabei zeigt er anhand vieler anschaulicher Code-Beispiele, wie man Daten aufbereitet, Schicht für Schicht verschiedene Arten analysierender und generativer Neuronaler
Netze baut, trainiert und bewertet. iele Grafiken fördern das Verständnis von Funktionen und Zusammenhänge.« (Make Magazin, 12/2018)
»Wer mehr als die üblichen Schlagworte zu neuronalen Netzen und Deep Learning wissen möchte, ist hier gut aufgehoben. Auch Praktiker, die in Keras einsteigen wollen, finden hier, was sie brauchen.« (Bigdata-Insider, 11/2018)