{"product_id":"deep-learning-kapieren-der-einfache-einstieg-mit-beispielen-in-python-von-andrew-w-trask","title":"Neuronale Netze und Deep Learning kapieren","description":"\n                                \n                \u003cul\u003e\n                                        \n                    \u003cli\u003e\n                                                \n                        \u003cb\u003eVon den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen\u003c\/b\u003e\n                                            \n                    \u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003e\n                                                \n                        \u003cb\u003eAnschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy\u003c\/b\u003e\n                                            \n                    \u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003e\n                                                \n                        \u003cb\u003eKeine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlich\u003c\/b\u003e\n                                            \n                    \u003c\/li\u003e\n                                    \n                \u003c\/ul\u003e\n                                \n                \n                \u003cp\u003eDeep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht.\u003c\/p\u003e\n                                 \n\n                \n                \u003cp\u003eDer Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz.\u003c\/p\u003e\n                                 \n\n                \n                \u003cp\u003eFokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen.\u003c\/p\u003e\n                                \n                \n                \u003cb\u003eAus dem Inhalt:\u003c\/b\u003e\n                                \n                \n                \u003cul\u003e\n                                        \n                    \n                    \u003cli\u003eParametrische und nichtparametrische Modelle\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eÜberwachtes und unüberwachtes Lernen\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eVorhersagen mit mehreren Ein- und Ausgaben\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eFehler messen und verringern\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eHot und Cold Learning\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eBatch- und stochastischer Gradientenabstieg\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eÜberanpassung vermeiden\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eGeneralisierung\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eDropout-Verfahren\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eBackpropagation und Forward Propagation\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eBilderkennung\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eVerarbeitung natürlicher Sprache (NLP)\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eSprachmodellierung\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003e\n                                                Aktivierungsfunktionen\n\n                        \n                        \u003cul\u003e\n                                                        \n                            \n                            \u003cli\u003eSigmoid-Funktion\u003c\/li\u003e\n                                                        \n                            \n                            \u003cli\u003eTangens hyperbolicus\u003c\/li\u003e\n                                                        \n                            \n                            \u003cli\u003eSoftmax\u003c\/li\u003e\n                                                        \n                        \n                        \u003c\/ul\u003e\n                                                \n                    \n                    \u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eConvolutional Neural Networks (CNNs)\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eRecurrent Neural Networks (RNNs)\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eLong Short-Term Memory (LSTM)\u003c\/li\u003e\n                                        \n                    \n                    \u003cli\u003eDeep-Learning-Framework erstellen\u003c\/li\u003e\n                                        \n                \n                \u003c\/ul\u003e\n                            \n            \u003cdiv class=\"aw-variant-hidden-subtitle-div\" id=\"aw-variant-subtitle-9783747500156\"\u003e\u003ch3\u003eDer einfache Praxiseinstieg mit Beispielen in Python\u003c\/h3\u003e\u003c\/div\u003e","brand":"Libri","offers":[{"title":"Paperback - 9783747500156","offer_id":50089220342085,"sku":"9783747500156","price":29.99,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0940\/0622\/files\/ff2c4384-5838-492d-8ee0-d4655b2847b1.jpg?v=1781673826","url":"https:\/\/shop.autorenwelt.de\/en\/products\/deep-learning-kapieren-der-einfache-einstieg-mit-beispielen-in-python-von-andrew-w-trask","provider":"Autorenwelt Shop","version":"1.0","type":"link"}