Deep Learning mit TensorFlow, Keras und TensorFlow.js: Einstieg, Konzepte und KI-Projekte mit Python, JavaScript und HTML5. Aktuell zu TensorFlow 2.0

Matthieu Deru

ISBN 10: 3836274256 / ISBN 13: 9783836274258

Riguardo questo articolo

Codice articolo 369171052

Dati bibliografici

• Titolo: Deep Learning mit TensorFlow, Keras und TensorFlow.js: Einstieg, Konzepte und KI-Projekte mit Python, JavaScript und HTML5. Aktuell zu TensorFlow 2.0
• Lingua: Tedesco
• ISBN 10: 3836274256
• ISBN 13: 9783836274258
• Rilegatura: Rilegato
• Condizione: New

Descrizione articolo

Riassunto

Deep Learning entdecken und erfolgreich implementieren. Aktuell zu TensorFlow 2

Deep Learning ist die Schlüsseltechnologie des derzeitigen Booms rund um Künstliche Intelligenz und Maschinelles Lernen. Dieses Buch zeigt Ihnen anhand zahlreicher Beispiele, wie Sie KI-Projekte mit TensorFlow 2 und weiteren Frameworks für Deep Learning umsetzen.

Dr. Deru und Dr. Ndiaye sind langjährige Mitarbeiter am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) in Saarbrücken. Die beiden KI-Profis zeigen Ihnen klar und präzise, wie Sie eigene Deep-Learning-Projekte entwickeln. Schritt für Schritt lernen Sie die Konzepte des Deep Learnings intensiv kennen und machen sich grundlegend mit TensorFlow 2, Keras und TensorFlow.js vertraut. Schon bald setzen Sie die mächtigen Frameworks für Ihre eigenen Projekte erfolgreich ein.

Hinweis: Grundkenntnisse in Python und JavaScript werden vorausgesetzt. Mathematische Grundkenntnisse sind für das Verständnis neuronaler Netze nötig. Aber keine Angst! Die wichtigsten Konzepte und gängigsten Formeln, die für Deep Learning gebraucht werden, können Sie hier im Buch nachlesen.

• Von der Aufbereitung der Daten bis zur Visualisierung
• Mit Python, HTML5 und JavaScript Deep Learning entdecken
• Inkl. tf.keras, TensorBoard, TensorFlow Hub, ml5.js, Migration nach TensorFlow 2
• Behandelt sowohl TensorFlow (für Python) als auch TensorFlow.js

Aus dem Inhalt:

• Deep-Learning-Grundkonzepte
• Installation der Frameworks
• Vorgefertigte Modelle verwenden
• Datenanalyse und -vorbereitung
• Convolutional Networks, LSTM, RNN, Pooling ...
• Aufgaben eines Modells richtig festlegen
• Eigene Modelle trainieren
• Overfitting und Underfitting vermeiden
• Ergebnisse visualisieren

Informazioni sugli autori

Dr. Matthieu Deru ist Senior Software-Engineer (R&D) und UX-Designer für interaktive Systeme am Deutschen Forschungszentrum für Künstliche Intelligenz GmbH (DFKI). Seine Projekterfahrung umfasst Themengebiete, die so vielseitig sind wie die Anwendungsfelder der KI, von intelligenten Benutzerschnittstellen bis zu komplexen Vorhersagenmodellen für die Elektromobilität.

Dr. Alassane Ndiaye ist als Senior Software-Engineer (R&D) und Projektleiter seit über 20 Jahren am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) sowohl in Forschungs- als auch in Industrie- und Transferprojekten tätig. Machine Learning setzt er unter anderem in Prognoseverfahren für die Energiewirtschaft und die Elektromobilität ein.