Deep Learning with Python introduces the field of deep learning using the Python language and the powerful Keras library. Written by Keras creator and Google AI researcher François Chollet, this book builds your understanding through intuitive explanations and practical examples. You'll explore challenging concepts and practice with applications in computer vision, natural-language processing, and generative models. By the time you finish, you'll have the knowledge and hands-on skills to apply deep learning in your own projects. -- Provided by publisher
W ostatnich latach byliśmy świadkami ogromnego postępu technik sztucznej
inteligencji, uczenia maszynowego oraz uczenia głębokiego. Konsekwencje tego
błyskawicznego rozwoju są odczuwalne w niemal każdej dziedzinie. Wydaje się,
że to jedna z tych technologii, które powinny być dostępne dla jak najszerszej
grupy ludzi. Dopiero wtedy uczenie głębokie wykorzysta w pełni swój potencjał
i stanie się prawdziwym impulsem rozwoju naszej cywilizacji. Co prawda na
pierwszy rzut oka ta niesamowita technologia może wydawać się wyjątkowo
skomplikowana i trudna do zrozumienia, warto jednak wykorzystać dostępne
narzędzia, takie jak biblioteka Keras i język R, aby implementować mechanizmy
uczenia głębokiego wszędzie tam, gdzie okażą się przydatne. Ta książka jest
znakomitym przewodnikiem po technikach uczenia głębokiego. Poza wyczerpująco
przedstawionymi podstawami znajdziesz tu zasady implementacji tych technik z
wykorzystaniem języka R i biblioteki Keras. Dzięki przystępnym wyjaśnieniom i
praktycznym przykładom szybko zrozumiesz nawet bardziej skomplikowane
zagadnienia uczenia głębokiego. Poznasz koncepcje i dobre praktyki związane z
tworzeniem mechanizmów analizy obrazu, przetwarzania języka naturalnego i
modeli generatywnych. Przeanalizujesz ponad 30 przykładów kodu uzupełnionego
dokładnymi komentarzami. W efekcie szybko przygotujesz się do korzystania z
uczenia głębokiego w rozwiązywaniu konkretnych problemów.
Dieses Buch bietet eine praxisorientierte Einführung in die grundlegenden Konzepte von Machine Learning und Deep Learning. Es behandelt zahlreiche Anwendungsbeispiele zur Lösung konkreter Aufgaben wie maschinelles Sehen, Sprachverarbeitung, Bildklassifizierung, Zeitreihenprognose und Stimmungsanalyse. Der Autor konzentriert sich auf die praktische Anwendung und verzichtet weitgehend auf mathematische Formeln. Anhand von Beispielen lernen die Leser, wie sie Deep Learning effektiv einsetzen können, wobei die Programmiersprache R und die Deep-Learning-Bibliothek Keras verwendet werden, die sich ideal für den Einstieg eignen.
Das Buch gliedert sich in zwei Teile: Teil I bietet eine allgemeine Einführung in Deep Learning, erklärt grundlegende Begriffe und Konzepte, die für den Einstieg in neuronale Netze wichtig sind. Teil II widmet sich ausführlich den praktischen Anwendungen in Computer Vision und der Verarbeitung natürlicher Sprache. Viele Beispiele dienen als Vorlage zur Lösung von Problemen, die in der Praxis des Deep Learnings auftreten können. Es richtet sich an Leser mit Programmiererfahrung in R, die in das Machine Learning und Deep Learning einsteigen möchten. Grundkenntnisse in R sind für die Nutzung von Keras erforderlich.
Dieses Buch bietet eine praxisorientierte Einführung in die grundlegenden Konzepte von Machine Learning und Deep Learning. Es enthält zahlreiche Anwendungsbeispiele zur Lösung konkreter Aufgaben wie maschinelles Sehen, Sprachverarbeitung, Bildklassifizierung, Zeitreihenvorhersage, Stimmungsanalyse sowie die Erzeugung von Bildern und Texten. Der Autor legt den Schwerpunkt auf die praktische Anwendung und verzichtet weitgehend auf mathematische Formeln. Anhand von Beispielen lernen die Leser, wie sie Deep Learning effektiv einsetzen können. Die Programmiersprache Python und die Deep-Learning-Bibliothek Keras werden als zentrale Werkzeuge vorgestellt, da Keras als besonders geeignet für den Einstieg gilt. Das Buch gliedert sich in zwei Teile: Teil I bietet eine allgemeine Einführung in Deep Learning, erklärt grundlegende Begriffe und Konzepte, die für den Einstieg in neuronale Netze wichtig sind. Teil II widmet sich den praktischen Anwendungsmöglichkeiten von Deep Learning in Bereichen wie Computer Vision und der Verarbeitung natürlicher Sprache. Die Beispiele dienen als Vorlage zur Lösung praktischer Probleme im Deep Learning. Es richtet sich an Leser mit Programmiererfahrung in Python, die in das Thema Machine Learning und Deep Learning einsteigen möchten. Grundkenntnisse in Python sind für die Nutzung von Keras erforderlich.
