KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
Produktbild: Deep Learning mit TensorFlow, Keras und TensorFlow.js
Gebraucht

Deep Learning mit TensorFlow, Keras und TensorFlow.js

Aus der Reihe Rheinwerk Computing

15,16 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Zustand

Akzeptabel

Einband

Gebundene Ausgabe

Erscheinungsdatum

01.05.2019

Verlag

Rheinwerk

Seitenzahl

423

Maße (L/B/H)

24,6/17,4/3 cm

Gewicht

896 g

Auflage

1

Sprache

Deutsch

EAN

2710005493124

Beschreibung

Rezension

»Das Buch ist ein gelungener Rundumschlag, ambitionierte KI-Einsteiger werden damit ihre Freude haben.« Make: Magazin 201908

Produktdetails

Zustand

Akzeptabel

Einband

Gebundene Ausgabe

Erscheinungsdatum

01.05.2019

Verlag

Rheinwerk

Seitenzahl

423

Maße (L/B/H)

24,6/17,4/3 cm

Gewicht

896 g

Auflage

1

Sprache

Deutsch

EAN

2710005493124

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Deep Learning mit TensorFlow, Keras und TensorFlow.js


  •   1.  Einführung ... 15

           1.1 ... Über dieses Buch ... 15

           1.2 ... Ein Einblick in Deep Learning ... 17

           1.3 ... Deep Learning im Alltag und in der Zukunft ... 19

      2.  Machine Learning und Deep Learning ... 29

           2.1 ... Einführung ... 29

           2.2 ... Lernansätze bei Machine Learning ... 34

           2.3 ... Deep-Learning-Frameworks ... 39

           2.4 ... Datenbeschaffung ... 40

           2.5 ... Datasets ... 42

           2.6 ... Zusammenfassung ... 55

      3.  Neuronale Netze ... 57

           3.1 ... Aufbau und Prinzip ... 57

           3.2 ... Wie lernt ein neuronales Netz? ... 63

           3.3 ... Datenaufbereitung ... 70

           3.4 ... Ein einfaches neuronales Netz ... 71

           3.5 ... Netzarchitektur ... 80

           3.6 ... Bekannte Netze ... 86

           3.7 ... Die Fallstricke des Deep Learnings ... 89

           3.8 ... Zusammenfassung ... 94

      4.  Python und Machine-Learning-Bibliotheken ... 95

           4.1 ... Installation von Python 3.6 ... 95

           4.2 ... Programmierumgebungen ... 101

           4.3 ... Jupyter Notebook ... 108

           4.4 ... Python-Bibliotheken für das Machine Learning ... 113

           4.5 ... Nützliche Routinen mit NumPy und Scikit-learn für ML ... 115

           4.6 ... Ein erstes Machine-Learning-Beispiel ... 119

           4.7 ... Zusammenfassung ... 123

      5.  TensorFlow ... 125

           5.1 ... Einführung ... 125

           5.2 ... Installation ... 128

           5.3 ... Grundkonzepte ... 136

           5.4 ... Erster Kontakt mit TensorBoard: Einen Graphen visualisieren ... 149

           5.5 ... Einen Graphen in TensorBoard debuggen ... 152

           5.6 ... Projekt 1: Eine lineare Regression ... 156

           5.7 ... Projekt 2: Fashion MNIST ... 161

           5.8 ... TensorFlow-Modelle speichern und laden ... 171

           5.9 ... Projekt 3: Konvolutionales neuronales Netz mit TensorFlow ... 176

           5.10 ... High-Level APIs ... 183

           5.11 ... Prozess ... 184

           5.12 ... Zusammenfassung ... 185

      6.  Keras ... 187

           6.1 ... Einführung ... 187

           6.2 ... Installation von Keras ... 188

           6.3 ... Modelle erstellen ... 191

           6.4 ... Modelle trainieren ... 193

           6.5 ... Modelle evaluieren ... 195

           6.6 ... Modelle laden und exportieren ... 196

           6.7 ... Keras Applications ... 198

           6.8 ... Keras Callbacks ... 199

           6.9 ... Beispiel: Iris-Klassifikation mit Keras ... 200

           6.10 ... CNNs mit Keras ... 204

           6.11 ... RNNs und LSTMs in Keras ... 209

           6.12 ... Zusammenfassung ... 214

      7.  Netze und Metriken visualisieren ... 215

           7.1 ... TensorBoard ... 215

           7.2 ... tf_cnnvis ... 232

           7.3 ... Visualisierung mit Keras ... 234

           7.4 ... Visualisierung von CNNs mit Quiver ... 244

           7.5 ... Bonus: Interaktive Visualisierung mit Keras-Callbacks, Node.js und HTML5 selbst implementieren ... 247

           7.6 ... Weitere Visualisierungsmöglichkeiten ... 258

      8.  TensorFlow.js ... 261

           8.1 ... Anwendungsfälle ... 261

           8.2 ... Installation von BrowserSync ... 265

           8.3 ... Installation von TensorFlow.js ... 266

           8.4 ... Konzepte ... 269

           8.5 ... Ihr erstes Modell mit TensorFlow.js: Eine quadratische Regression ... 281

           8.6 ... Laden und Speichern von Modellen ... 289

           8.7 ... PoseNet-Modell mit TensorFlow.js ... 298

           8.8 ... TensorFlow.js noch einfacher: ml5.js ... 314

      9.  Praxisbeispiele ... 317

           9.1 ... Projekt 1: Verkehrszeichenerkennung mit Keras ... 318

           9.2 ... Projekt 2: Intelligente Spurerkennung mit Keras und OpenCV ... 333

           9.3 ... Projekt 3: Erkennung der Umgebung mit YOLO und TensorFlow.js bzw. ml5.js ... 346

           9.4 ... Projekt 4: Haus oder Katze? Vorgefertigte Modelle mit Keras benutzen -- VGG-19 ... 357

           9.5 ... Projekt 5: Fashion-MNIST mit TensorFlow-Estimators ... 364

           9.6 ... Projekt 6: Stimmungsanalyse mit Keras ... 377

           9.7 ... Bonus: Sentiment-Analyse mit TensorFlow.js ... 384

           9.8 ... Allgemeine Tipps und Tricks ... 388

    10.  Ausblick ... 397

           10.1 ... Deep Learning in der Cloud ... 397

           10.2 ... Kunst mit Deep Learning ... 405

           10.3 ... GAN und Stiltransfere mit Deep Learning ... 406

           10.4 ... Musik mit Deep Learning ... 408

           10.5 ... Videogenerierung mit Deep Learning ... 410

           10.6 ... Deep Learning einfacher gemacht ... 411

    11.  Fazit ... 415

      Index ... 419