• Einführung in TensorFlow
Cover in höchster Auflösung herunterladen

Tom Hope / Yehezkel S. Resheff / Itay Lieder
Kristian Rother / Thomas Lotze (Übersetzung)

Einführung in TensorFlow

Deep-Learning-Systeme programmieren, trainieren, skalieren und deployen

erscheint voraussichtlich
im Mai 2018, ca. 238 Seiten, Broschur
O’Reilly
ISBN Print: 978-3-96009-074-8
ISBN PDF: 978-3-96010-180-2
ISBN ePub: 978-3-96010-181-9
ISBN Mobi: 978-3-96010-182-6

Buch
32,90 €


auf Lager; Lieferung in 2-4 Tagen
E-Book (PDF + ePub + Mobi)
25,99 €

  Buch in den Warenkorb legen

Buch in den Warenkorb gelegt

 

Beschreibung

Deep-Learning-Netze, die mitgroßen Datenmengen trainiert werden, lösen komplexe Aufgaben mit erstaunlicher Genauigkeit. Dieses Buch ist eine praktische Einführung in TensorFlow, die führende Open-Source-Softwarebibliothek zum Erstellen und Anlernen von Deep-Learning-Netzen - zum Beispiel für die Sprach- und Bilderkennung, die Verarbeitung natürlicher Sprache (NLP) oder die vorhersagende Datenanalyse.

Es bietet einer technisch orientierten Leserschaft einen praktischen Zugang zu den Grundlagen von TensorFlow - von Datenanalytikern und Ingenieuren bis hin zu Studenten und Wissenschaftlern. Zunächst starten Sie mit einigen einfachen Beispielaufgaben mit TensorFlow, anschließend tauchen Sie tiefer in Themen ein wie die Architektur neuronaler Netze, die Visualisierung mit TensorBoard, Abstraktionsbibliotheken für TensorFlow oder Multithread-Pipelines zur Dateneingabe.

Wenn Sie dieses Buch durchgearbeitet haben, sind Sie in der Lage, Deep-Learning-Systeme in TensorFlow zu erstellen und im Produktvertrieb einzusetzen.

Aus dem Inhalt:

- Steigen Sie schnell in die Benutzung von TensorFlow ein.
- Lernen Sie von der Pike auf, Deep-Learning-Systeme mit TensorFlow zu modellieren.
- Trainieren Sie verbreitete Deep-Learning-Modelle für Computer Vision und Sprachverarbeitung
- Entwickeln Sie schneller und einfacher mit Hilfe von Abstraktionsbibliotheken
- Erfahren SIe, wie Sie TensorFlow skalieren und das Anlernen von Modellen auf Cluster verteilen.
- Setzen Sie TensorFlow unter Produktivbedingungen ein.

 

Zielgruppe

  • Data Scientists
  • Datenanalysten
  • Studenten der Informatik
 

Leseproben

     

Autor / Autorin

Tom Hope ist Forscher auf dem Gebiet des angewandten maschinellen Lernens und ein Datenanalyst mit umfangreichen Erfahrungen in der akademischen Welt und der Industrie. Er hat auf verschiedenen Anwendungsgebieten Forschungs- und Entwicklungsprojekte zu Datenanalyse und Deep Learning geleitet.

Yehezkel S. Resheff forscht zu angewandter Datenanalyse. Seine Dissertation beschäftigte sich mit maschinellem Lernen und Lernmethoden für tragbare Geräte und dem Internet der Dinge. Er hat in der Vergangenheit Forschungs- und Entwicklungsprojekte zu Deep Learning bei Intel und Microsoft geleitet.

Itay Lieder ist Forscher auf dem Gebiet des angewandten maschinellen Lernens und der Computer-Neurowissenschaft. Für seine Abschlussarbeit entwickelte er Algorithmen zur Modellierung grundlegender Wahrnehmungsvorgänge. Er hat innovative Forschungs- und Entwicklungsprojekte zu Deep Learning für Textanalyse und Web-Mining bei großen internationalen Firmen geleitet.


Andere Bücher, die Sie interessieren könnten: