Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
Produktbild: Deep Learning mit TensorFlow, Keras und TensorFlow.js

Deep Learning mit TensorFlow, Keras und TensorFlow.js Über 450 Seiten Einstieg, Konzepte, KI-Projekte. Aktuell zu TensorFlow 2

Aus der Reihe Rheinwerk Computing

Fr. 53.90

inkl. MwSt, Versandkostenfrei

Beschreibung

Details

Einband

Gebundene Ausgabe

Erscheinungsdatum

28.04.2020

Verlag

Rheinwerk

Seitenzahl

496

Maße (L/B/H)

24.7/17.6/3.3 cm

Gewicht

1030 g

Auflage

2

Sprache

Deutsch

ISBN

978-3-8362-7425-8

Beschreibung

Rezension

»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

Einband

Gebundene Ausgabe

Erscheinungsdatum

28.04.2020

Verlag

Rheinwerk

Seitenzahl

496

Maße (L/B/H)

24.7/17.6/3.3 cm

Gewicht

1030 g

Auflage

2

Sprache

Deutsch

ISBN

978-3-8362-7425-8

Herstelleradresse

Rheinwerk Verlag GmbH
Rheinwerkallee 4
53227 Bonn
DE

Email: Info@rheinwerk-verlag.de

Weitere Bände von Rheinwerk Computing

Unsere Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Erste Bewertung verfassen

Unsere Kundinnen und Kunden meinen

0 Bewertungen filtern

Weitere Artikel finden Sie in
Die Leseprobe wird geladen.
  • Produktbild: Deep Learning mit TensorFlow, Keras und TensorFlow.js


  •   1.  Einführung ... 15

           1.1 ... Über dieses Buch ... 15

           1.2 ... Ein Einblick in Deep Learning ... 17

           1.3 ... Deep Learning im Alltag und in der Zukunft ... 19

      2.  Machine Learning und Deep Learning ... 33

           2.1 ... Einführung ... 33

           2.2 ... Lernansätze beim Machine Learning ... 38

           2.3 ... Deep-Learning-Frameworks ... 44

           2.4 ... Datenbeschaffung ... 46

           2.5 ... Datasets ... 48

           2.6 ... Zusammenfassung ... 65

      3.  Neuronale Netze ... 67

           3.1 ... Aufbau und Prinzip ... 67

           3.2 ... Lernprozess neuronaler Netze ... 73

           3.3 ... Datenaufbereitung ... 81

           3.4 ... Ein einfaches neuronales Netz ... 82

           3.5 ... Netzarchitekturen ... 91

           3.6 ... Bekannte Netze ... 98

           3.7 ... Fallstricke beim Deep Learning ... 101

           3.8 ... Zusammenfassung ... 106

      4.  Python und Machine-Learning-Bibliotheken ... 107

           4.1 ... Installation von Python 3.7 mit Anaconda ... 108

           4.2 ... Alternative Installationen von Python 3.7 ... 113

           4.3 ... Programmierumgebungen ... 116

           4.4 ... Jupyter Notebook ... 121

           4.5 ... Python-Bibliotheken für das Machine Learning ... 126

           4.6 ... Nützliche Routinen mit NumPy und Scikit-learn für ML ... 129

           4.7 ... Ein zweites Machine-Learning-Beispiel ... 133

           4.8 ... Zusammenfassung ... 137

      5.  TensorFlow: Installation und Grundlagen ... 139

           5.1 ... Einführung ... 139

           5.2 ... Installation ... 143

           5.3 ... Google Colab: TensorFlow ohne Installation benutzen ... 153

           5.4 ... Tensoren ... 154

           5.5 ... Graphen ... 160

           5.6 ... Benutzung der CPU und GPU ... 171

           5.7 ... Erstes Beispiel: Eine lineare Regression ... 174

           5.8 ... Von TensorFlow 1.x zu TensorFlow 2 ... 180

           5.9 ... Zusammenfassung ... 183

      6.  Keras ... 185

           6.1 ... Von Keras zu tf.keras ... 185

           6.2 ... Erster Kontakt ... 189

           6.3 ... Modelle trainieren ... 191

           6.4 ... Modelle evaluieren ... 193

           6.5 ... Modelle laden und exportieren ... 194

           6.6 ... Keras Applications ... 197

           6.7 ... Keras Callbacks ... 198

           6.8 ... Projekt 1: Iris-Klassifikation mit Keras ... 200

           6.9 ... Projekt 2: CNNs mit Fashion-MNIST ... 204

           6.10 ... Projekt 3: Ein einfaches CNN mit dem CIFAR-10-Dataset ... 213

           6.11 ... Projekt 4: Aktienkursvorhersage mit RNNs und LSTMs ... 220

           6.12 ... Zusammenfassung ... 226

      7.  Netze und Metriken visualisieren ... 227

           7.1 ... TensorBoard ... 228

           7.2 ... TensorBoard.dev ... 246

           7.3 ... Debugging mit TensorBoard (nur TF 1.x) ... 248

           7.4 ... Der TensorBoard-Debugger mit Keras (nur TF 1.x) ... 257

           7.5 ... Visualisierung mit Keras ... 259

           7.6 ... Visualisierung von CNNs mit Quiver (nur mit Keras.io) ... 267

           7.7 ... Interaktive Visualisierung mit Keras-Callbacks, Node.js und HTML5 selbst implementieren ... 271

           7.8 ... Weitere Visualisierungsmöglichkeiten ... 281

      8.  TensorFlow.js ... 285

           8.1 ... Anwendungsfälle ... 285

           8.2 ... Installation von BrowserSync ... 288

           8.3 ... Installation von TensorFlow.js ... 290

           8.4 ... Konzepte ... 293

           8.5 ... Ihr erstes Modell mit TensorFlow.js: Eine quadratische Regression ... 304

           8.6 ... Laden und Speichern von Modellen ... 318

           8.7 ... PoseNet-Modell mit TensorFlow.js ... 327

           8.8 ... Eine intelligente Smart-Home-Komponente mit TensorFlow.js und Node.js ... 343

           8.9 ... TensorFlow.js noch einfacher: ml5.js ... 356

      9.  Praxisbeispiele ... 361

           9.1 ... Projekt 1: Verkehrszeichenerkennung mit Keras ... 363

           9.2 ... Projekt 2: Intelligente Spurerkennung mit Keras und OpenCV ... 379

           9.3 ... Projekt 3: Erkennung der Umgebung mit YOLO und TensorFlow.js bzw. ml5.js ... 392

           9.4 ... Projekt 4: Haus oder Katze? Vorgefertigte Modelle mit Keras benutzen -- VGG-19 ... 403

           9.5 ... Projekt 5: Buchstaben- und Ziffernerkennung mit dem Chars74K-Dataset und Datenaugmentierung ... 410

           9.6 ... Projekt 6: Stimmungsanalyse mit Keras ... 418

           9.7 ... Projekt 7: Sentiment-Analyse mit TensorFlow.js ... 425

           9.8 ... Projekt 8: Benutzung von TensorFlow Hub ... 429

           9.9 ... Projekt 9: Hyperparameter-Tuning mit TensorBoard ... 437

           9.10 ... Projekt 10: CNN mit Fashion-MNIST und TensorFlow-Estimators (nur TF 1.x) ... 442

           9.11 ... Allgemeine Tipps und Tricks ... 455

    10.  Ausblick ... 463

           10.1 ... Deep Learning in der Cloud ... 463

           10.2 ... Bildgenerierung mit Deep Learning ... 471

           10.3 ... Musik mit Deep Learning ... 476

           10.4 ... Videogenerierung mit Deep Learning ... 478

           10.5 ... Deep Learning einfacher gemacht ... 480

    11.  Fazit ... 489

      Index ... 492