Cover von Deep Learning mit TensorFlow, Keras und TensorFlow.js wird in neuem Tab geöffnet

Deep Learning mit TensorFlow, Keras und TensorFlow.js

[für KI und Data Science ; 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 u.v.m.
Verfasser*in: Suche nach Verfasser*in Deru, Matthieu; Ndiaye, Alassane
Verfasser*innenangabe: Matthieu Deru, Alassane Ndiaye
Jahr: 2020
Verlag: Bonn, Rheinwerk Verlag
Mediengruppe: Buch
verfügbar

Exemplare

AktionZweigstelleStandorteStatusFristVorbestellungen
Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EIA Deru / College 6c - Informatik & Computer Status: Verfügbar Frist: Vorbestellungen: 0
Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EIA Deru / College 6c - Informatik & Computer Status: Entliehen Frist: 02.04.2024 Vorbestellungen: 0
Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EIA Deru / College 6c - Informatik & Computer Status: Entliehen Frist: 02.04.2024 Vorbestellungen: 0

Inhalt

Deep Learning entdecken und erfolgreich implementieren
Von der Aufbereitung der Daten bis zur Visualisierung
Basisprojekte mit Beispielen aus vielen Anwendungsfeldern
Mit Python, HTML5 und JavaScript Deep Learning entdecken
Deep Learning - eine Schlüsseltechnologie der Künstlichen Intelligenz. Neuronale Netze bringen Höchstleistung, wenn sie zu Deep-Learning-Modellen verknüpft werden - vorausgesetzt, Sie machen es richtig. Große und gute Trainingsdaten beschaffen, geschickt implementieren ... lernen Sie hier, wie Sie die mächtige Technologie wirklich in Ihren Dienst nehmen. Unsere Autoren zeigen Ihnen sowohl die Arbeit mit Python und Keras als auch für den Browser mit JavaScript, HTML5 und 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
Die Fachpresse zur Vorauflage:
Make: Magazin: »Das Buch ist ein gelungener Rundumschlag, ambitionierte KI-Einsteiger werden damit ihre Freude haben.«
Verlagstext
 

Details

Verfasser*in: Suche nach Verfasser*in Deru, Matthieu; Ndiaye, Alassane
Verfasser*innenangabe: Matthieu Deru, Alassane Ndiaye
Jahr: 2020
Verlag: Bonn, Rheinwerk Verlag
opens in new tab
Systematik: Suche nach dieser Systematik NT.EIA
Suche nach diesem Interessenskreis
ISBN: 978-3-8362-7425-8
2. ISBN: 3-8362-7425-6
Beschreibung: 2. Auflage, erweiterte Ausgabe, 456 Seiten : Illustrationen
Schlagwörter: Deep learning
Suche nach dieser Beteiligten Person
Sprache: Deutsch
Mediengruppe: Buch