PyTorch: Deep Learning mit PyTorch in der Praxis ? Von der Auswahl des Verfahrens bis zum Deployment. Mit vollst?ndigen Codebeispielen. Questo articolo non è disponibile.
Lingua: tedesco
Editore: Rheinwerk Computing, 2026
- Rilegato
- Nuovo

Da: Majestic Books, Hounslow, Regno UnitoMajestic Books
Venditore AbeBooks dal 19 gennaio 2007
Condizione: Nuovo
EUR 59,87
Codice articolo 408615360
- Titolo
- PyTorch: Deep Learning mit PyTorch in der Praxis ? Von der Auswahl des Verfahrens bis zum Deployment. Mit vollst?ndigen Codebeispielen
- Autore
- Gollnick, Bert
- Editore
- Rheinwerk Computing
- Anno di pubblicazione
- 2026
- Condizione
- New
- Rilegatura
- Rilegato
- Lingua
- tedesco
- ISBN 10
- 3367111295
- ISBN 13
- 9783367111299
PyTorch-Programmierung professionell! Das meistbenutzte Deep-Learning-Framework in der Praxis: Lernen Sie für spezifische Aufgaben aus realen Projektszenarien, wie Sie mit PyTorch KI-Modelle trainieren, optimieren und produktiv einsetzen. Bert Gollnick zeigt Ihnen in diesem Buch alle einschlägigen Verfahren inklusive Python-Implementierung, von linearer Regression über große Sprachmodelle bis zur Kombination mehrerer Verfahren. Die Anwendungen beinhalten Computer Vision, RAG-Systeme, Zeitreihenanalysen und vieles mehr. Sie evaluieren und deployen Ihre Modelle mit modernsten Methoden und lernen dafür Tools wie FlowML, TensorBoard und FastAPI kennen.
Profitieren Sie von vollständigen Codebeispielen, die auf handelsüblicher Hardware lauffähig sind, und entdecken Sie das Zusammenspiel mit PyTorch Lightning, HuggingFace und weiteren Tools.
- Deep Learning von der Datenaufbereitung über Training und Fineturing bis zum Deployment
- Vielfältige Architekturen wie Autoencoder, RNNs, LLMs, RAG-Systeme etc.
- Inkl. PyTorch Lightning, TensorBoard, LangChain, FastAPI u. v. m.
Aus dem Inhalt:
- Installation des Frameworks
- Deep-Learning-Grundkonzepte
- Vortrainierte Modelle verwenden
- Daten vorbereiten
- Klassifizierungsaufgaben
- Computer Vision
- Empfehlungssysteme
- Graph Neural Networks
- Große Sprachmodelle (LLMs)
- Zeitreihen-Vorhersagen
- PyTorch Lightning
- LangChain
- Cloud-Deployment mit Heroku
- FlowML, TensorBoard und WandB
- Lokaler Einsatz mit FastAPI
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.