Buch, Deutsch, 238 Seiten, Format (B × H): 166 mm x 238 mm, Gewicht: 482 g
Reihe: Animals
Neuronale Netze mit Python und PyTorch programmieren
Buch, Deutsch, 238 Seiten, Format (B × H): 166 mm x 238 mm, Gewicht: 482 g
Reihe: Animals
ISBN: 978-3-96009-136-3
Verlag: Dpunkt.Verlag GmbH
Grundprinzipien und Konzepte neuronaler Netze systematisch und verständlich erklärtDeep-Learning-Grundlagen für Data Scientists und Softwareentwickler mit Erfahrung im Machine LearningImplementierung der Deep-Learning-Konzepte mit dem beliebten Framework PyTorchZahlreiche Codebeispiele in Python verdeutlichen die konkrete Umsetzung
Dieses Buch vermittelt Ihnen das konzeptionelle und praktische Rüstzeug, um ein tiefes Verständnis für die Funktionsweise neuronaler Netze zu bekommen. Sie lernen die Grundprinzipien des Deep Learning kennen, zu deren Veranschaulichung Seth Weidman gut nachvollziehbare Konzeptmodelle entwickelt hat, die von Codebeispielen begleitet werden. Das Buch eignet sich für Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning.
Sie beginnen mit den Basics des Deep Learning und gelangen schnell zu den Details fortgeschrittener Architekturen, indem Sie deren Aufbau von Grund auf neu implementieren. Dabei lernen Sie mehrschichtige neuronale Netze wie Convolutional und Recurrent Neural Networks kennen. Diese neuronalen Netzwerkkonzepte setzen Sie dann mit dem beliebten Framework PyTorch praktisch um. Auf diese Weise bauen Sie ein fundiertes Wissen darüber auf, wie neuronale Netze mathematisch, rechnerisch und konzeptionell funktionieren.
Weidman
Deep Learning - Grundlagen und Implementierung jetzt bestellen!
Dieses Buch vermittelt Ihnen das konzeptionelle und praktische Rüstzeug, um ein tiefes Verständnis für die Funktionsweise neuronaler Netze zu bekommen. Sie lernen die Grundprinzipien des Deep Learning kennen, zu deren Veranschaulichung Seth Weidman gut nachvollziehbare Konzeptmodelle entwickelt hat, die von Codebeispielen begleitet werden. Das Buch eignet sich für Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning.
Sie beginnen mit den Basics des Deep Learning und gelangen schnell zu den Details fortgeschrittener Architekturen, indem Sie deren Aufbau von Grund auf neu implementieren. Dabei lernen Sie mehrschichtige neuronale Netze wie Convolutional und Recurrent Neural Networks kennen. Diese neuronalen Netzwerkkonzepte setzen Sie dann mit dem beliebten Framework PyTorch praktisch um. Auf diese Weise bauen Sie ein fundiertes Wissen darüber auf, wie neuronale Netze mathematisch, rechnerisch und konzeptionell funktionieren.
Zielgruppe
- Data Scientists
- Softwareentwickler
- Datenanalysten
- Studenten der Informatik
Fachgebiete
Weitere Infos & Material
Bitte ändern Sie das Passwort
