Cover von Generatives Deep Learning wird in neuem Tab geöffnet

Generatives Deep Learning

Maschinen das Malen, Schreiben und Komponieren beibringen
Verfasser*in: Suche nach Verfasser*in Foster, David
Verfasser*innenangabe: David Foster ; deutsche Übersetzung von Marcus Fraaß und Konstatin Mack
Jahr: 2020
Verlag: Heidelberg, dpunkt Verlag
Mediengruppe: Buch
verfügbar

Exemplare

AktionZweigstelleStandorteStatusFristVorbestellungen
Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EIA Fost / College 6c - Informatik & Computer Status: Verfügbar Frist: Vorbestellungen: 0

Inhalt

Lassen Sie Ihre Deep-Learning-Modelle kreativ werden!
Das Buch zeigt, wie die innovativsten Deep-Learning-Algorithmen wie Generative Adversarial Networks (GANs) und Variational Autoencoder (VAEs) funktionieren
Für kreative Data Scientists und Programmierer, die gerne mit Code experimentieren
Verwendet Python, Keras und TensorFlow
Generative Modelle haben sich zu einem der spannendsten Themen im Bereich der Künstlichen Intelligenz entwickelt. Inzwischen ist es möglich, einer Maschine bisher dem Menschen vorbehaltene kreative Techniken wie Malen, Schreiben oder auch das Komponieren von Musik beizubringen. Mit diesem praxisnahen Buch können Data Scientists einige der eindrucksvollsten generativen Deep-Learning-Modelle nachbilden, wie z.B. Generative Adversarial Networks (GANs), Variational Autoencoder (VAEs), Encoder-Decoder- sowie World-Modelle.
David Foster veranschaulicht die Funktionsweise jeder Methode, beginnend mit den Grundlagen des Deep Learning mit Keras, bevor er zu einigen der modernsten Algorithmen auf diesem Gebiet vorstößt. Die zahlreichen praktischen Beispiele und Tipps helfen Ihnen herauszufinden, wie Ihre Modelle noch effizienter lernen und noch kreativer werden können. Verlagstext

Details

Verfasser*in: Suche nach Verfasser*in Foster, David
Verfasser*innenangabe: David Foster ; deutsche Übersetzung von Marcus Fraaß und Konstatin Mack
Jahr: 2020
Verlag: Heidelberg, dpunkt Verlag
opens in new tab
Systematik: Suche nach dieser Systematik NT.EIA
Suche nach diesem Interessenskreis
ISBN: 978-3-96009-128-8
2. ISBN: 3-96009-128-1
Beschreibung: 1. Auflage, XVI, 292 Seiten : Illustrationen, Diagramme
Schlagwörter: Deep learning
Beteiligte Personen: Suche nach dieser Beteiligten Person Fraaß, Markus; Mack, Konstantin
Sprache: Deutsch
Mediengruppe: Buch