Lassen Sie sich von Deep Learning nicht abschrecken! Dank Frameworks wie Keras und TensorFlow ist der schnelle Einstieg in die Entwicklung von Deep-Learning-Anwendungen nun auch für Softwareentwickler ohne umfassende Machine-Learning-Kenntnisse möglich. Mit den Rezepten aus diesem Buch lernen Sie, typische Aufgabenstellungen des Deep Learning zu lösen, wie etwa die Klassifizierung und Generierung von Texten, Bildern und Musik. Jedes Kapitel behandelt ein Projekt, wie z.B. das Trainieren eines Empfehlungssystems für Musik. Schritt für Schritt wird gezeigt, wie das jeweilige Projekt umgesetzt wird. Darüber hinaus beschreibt der Autor Douwe Osinga zahlreiche Techniken, die Ihnen helfen, wenn Sie einmal nicht mehr weiterwissen. Alle Codebeispiele sind in Python geschrieben und auf GitHub als Python-Notebooks frei verfügbar. Aus dem Inhalt: – Entwickeln Sie Deep-Learning-Anwendungen, die Nutzern einen echten Mehrwert bieten – Berechnen Sie Ähnlichkeiten von Texten mithilfe von Word-Embeddings – Erstellen Sie ein Empfehlungssystem für Filme basierend auf Wikipedia-Links – Visualisieren Sie die internen Vorgänge einer künstlichen Intelligenz, um nachvollziehen zu können, wie diese arbeitet – Entwickeln Sie ein Modell, das passende Emojis für Textpassagen vorschlägt – Realisieren Sie einen Reverse-Image-Search-Dienst mithilfe von vortrainierten Netzwerken – Vergleichen Sie, wie Generative Adversarial Networks, Autoencoder und LSTM-Netzwerke Icons erzeugen – Trainieren Sie ein Klassifikationsmodell für Musikstile und lassen Sie es Musikstücke dementsprechend zuordnen “Dieses Buch bietet einen großartigen Einstieg in Deep Learning für alle, denen praktische Ergebnisse wichtiger sind als die Theorie. Es hat dem Entwicklungsteam meines neuen Musik-Tech-Startups Weav dabei geholfen, schnell mit Deep Learning zu starten. Dieses Buch ist perfekt geeignet für jeden, der Interesse an praxisorientiertem Machine Learning hat.” — Lars Rasmussen, Mitbegründer von Google Maps
ISBN: 978-3-96009-097-7
