Deep-Learning-Netze, die mit großen Datenmengen angelernt wurden, lösen komplexe Aufgaben mit erstaunlicher Genauigkeit. Tensor Flow ist die führende Open-Source-Bibliothek zum Erstellen und Trainieren neuronaler Deep-Learning-Netze z.B. für die Sprach- und Bilderkennung, die Verarbeitung natürlicher Sprache (NLP) oder die vorhersagende Datenanalyse. Dieses Buch bietet einer breiten technisch orientierten Leserschaft einen praxisnahen Zugang zu den Grundlagen von Tensor Flow.
Sie erarbeiten zunächst einige einfache Beispielaufgaben mit Tensor Flow und tauchen anschließend tiefer in Themen ein wie die Architektur neuronaler Netze, die Visualisierung mit Tensor Board, Abstraktionsbibliotheken für Tensor Flow oder Multithread-Pipelines zur Dateneingabe. Wenn Sie dieses Buch durchgearbeitet haben, sind Sie in der Lage, Deep-Learning-Systeme mit Tensor Flow zu erstellen und im Produktivbetrieb einzusetzen.
关于作者
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.
来自同一作者的更多电子书 / 编辑
2,827 此类电子书
