Deep Learning mit Python und Keras

Einfuhrung in die grundlegenden Konzepte von Machine Learning und Deep LearningZahlreiche praktische Anwendungsbeispiele zum Losen konkreter AufgabenstellungenMaschinelles Sehen, Sprachverarbeitung, Bildklassifizierung, Vorhersage von Zeitreihen, Stimmungsanalyse, Erzeugung von Bildern und Texten u.v.m.Dieses Buch ist eine praxisorientierte Einfuhrung und erlautert 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 mussen, um Deep Learning zum Losen konkreter Aufgabenstellungen einzusetzen. Dafur verwendet der Autor die Programmiersprache Python und die Deep-Learning-Bibliothek Keras, die das beliebteste und am besten geeignete Tool fur den Einstieg in Deep Learning ist.Das Buch besteht aus zwei Teilen: Teil I ist eine allgemeine Einfuhrung in das Deep Learning und erlautert die grundlegenden Zusammenhange und Begriffe sowie alle erforderlichen Konzepte, die fur den Einstieg in Deep Learning und Neuronale Netze wichtig sind. In Teil II erlautert der Autor ausfuhrlich praktische Anwendungsmoglichkeiten des Deep Learnings beim maschinellen Sehen (Computer Vision) und bei der Verarbeitung naturlicher Sprache. Viele der hier vorgestellten Beispiele konnen Ihnen spater als Vorlage zum Losen 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 mochten. Fur den Einsatz von Keras werden grundlegende Python-Kenntnisse vorausgesetzt.

François Chollet ist bei Google tatig und befasst sich mit Deep Learning. Er ist der Entwickler der Deep-Learning-Bibliothek Keras und hat bedeutende Beitrage 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 veroffentlicht, 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.

Dettagli