Jon Krohn und Grant Beylefeld präsentieren Ihnen in diesem Buch eine einzigartige visuelle Einführung in Techniken und Anwendungen von Deep Learning. Kombiniert mit den anschaulichen Illustrationen von Aglaé Bassens ebnen Ihnen die Erläuterungen einen einfachen und unterhaltsamen Zugang zu Deep-Learning-Modellen.Der erste Teil des Buches gibt Ihnen einen allgemeinen Überblick darüber, was Deep Learning ist, warum es so allgegenwärtig geworden ist und wie es mit Konzepten wie künstlicher Intelligenz, Machine Learning oder künstlichen neuronalen Netzen interagiert.
Auf dieser Grundlage erstellen die Autoren eine praktische Referenz zur Anwendung bewährter Techniken des Deep Learning. Die Theorie wird mit so wenig Mathematik wie möglich behandelt und mit Python-Code veranschaulicht. Mit praktischen Beispielen, die kostenfrei online verfügbar sind (Jupyter-Notebooks), erlangen Sie ein pragmatisches Verständnis aller wichtigen Deep-Learning-Ansätze und ihrer Anwendungen, etwa: Machine Vision, Natural Language Processing, Generative Adversarial Networks (GANs), Bilderzeugung und Spielalgorithmen. Insbesondere dieser Teil des Buches richtet sich an Data Scientists, Analyst*innen und andere, die erfahren möchten, wie sich Deep-Learning-Techniken auf ihrem Gebiet einsetzen lassen.
Zur praktischen Lösung Ihrer Aufgaben stellen Ihnen die Autoren einige der heute am weitesten verbreiteten und innovativsten Deep-Learning-Bibliotheken vor, darunter:
- TensorFlow und seine High-Level-API, Keras
- PyTorch
- High-Level-Coach, eine TensorFlow-API, die Sie dabei unterstützt, Deep-Reinforcement-Learning-Algorithmen zu nutzen.
Aus dem Inhalt
Teil 1 – Deep Learning vorgestellt
- Biologisches und maschinelles Sehen
- Menschen- und Maschinensprache
- Maschinenkunst
- Spielende Maschinen
Teil 2 – Die nötige Theorie
- Der (Code-)Karren vor dem (Theorie-)Pferd
- Künstliche Neuronen, die Hotdogs erkennen
- Künstliche neuronale Netze
- Deep Networks trainieren
- Deep Networks verbessern
Hier das ganze Inhaltsverzeichnis lesen.Teil 3 – Interaktive Anwendungen des Deep Learning
- Maschinelles Sehen
- Natural Language Processing
- Generative Adversaria! Networks
- Deep Reinforcement Learning
Teil 4 – KI und Sie
- Mit Ihren eigenen Deep-Learning-Projekten beginnen
Können Maschinen Kunst erschaffen? In dieser
Leseprobe beschreiben die Autoren, wie durch den "Wettstreit" zweier neuronaler Netze fotorealistische Porträts entstehen. Während ein neuronales Netz ein Bild erstellt, sucht ein zweites nach Unterschieden zu echten Bildern. Da hierbei beide immer besser werden, entstehen so immer überzeugendere Ergebnisse.
Ein zweiter Teil der Leseprobe befasst sich mit einer speziellen Anwendungen des Deep Learnings dem maschinellen Sehen.
Wer hat's geschrieben?
Jon Krohn ist Chief Data Scientist beim Machine-Learning-Unternehmen untapt. Er präsentiert eine viel gerühmte Serie aus Tutorials, die von Addison-Wesley herausgebracht wurden, darunter Deep Learning with TensorFlow Livelessons und Deep Learning for Natural Language Processing Livelessons. Jon unterrichtet Deep Learning an der New York City Data Science Academy und als Gastdozent an der Columbia University. Er besitzt einen Doktortitel in Neurowissenschaften von der Universität Oxford und veröffentlicht seit 2010 Artikel zum Thema Machine Learning in führenden Fachzeitschriften, darunter Advances in Neural Information Processing Systems.
Grant Beyleveld ist Data Scientist bei untapt, wo er auf dem Gebiet der Verarbeitung natürlicher Sprache mittels Deep Learning arbeitet. Er besitzt einen Doktortitel in biomedizinischer Wissenschaft von der Icahn School of Medicine am Mount Sinai Hospital in New York City, wo er die Beziehung zwischen Viren und ihren Wirten untersuchte. Er ist Gründungsmitglied von deeplearningstudygroup.org.
Aglaé Bassens ist eine in Paris lebende belgische Künstlerin. Sie studierte bildende Kunst an The Ruskin School of Drawing and Fine Art der Universität Oxford und an der Slade School of Fine Arts des University College London. Neben ihrer Arbeit als lllustratorin malt sie Stillleben und Wandbilder.
