Deep Learning in Depth Bundle


Details der Sammlung


Deep Learning Quick Reference
Tauchen Sie tiefer in neuronale Netze ein und trainieren Sie Ihre Modelle, optimiert mit dieser Kurzanleitung
Über das Buch
- Ein kurzer Überblick über alle wichtigen Deep-Learning-Konzepte und deren Implementierung
- Wichtige Tipps, Tricks und Hacks zum Trainieren einer Vielzahl von Deep-Learning-Modellen wie CNNs, RNNs, LSTMs und mehr
- Jedes Kapitel wird durch grundlegende Mathematik und Theorie ergänzt und bietet Best Practices und sichere Auswahlmöglichkeiten für das Training und die Feinabstimmung Ihrer Modelle in Keras und Tensorflow.
Für wen dieses Buch ist
Wenn Sie ein Data Scientist oder ein Experte für maschinelles Lernen sind, ist dieses Buch eine sehr nützliche Lektüre für das Training Ihrer fortgeschrittenen Modelle für maschinelles Lernen und tiefes Lernen. Sie können sich auch auf dieses Buch beziehen, wenn Sie zwischen der Modellierung neuronaler Netze stecken bleiben und sofortige Unterstützung benötigen, um die Aufgabe reibungslos zu erledigen. Einige Vorkenntnisse in Python und das Festhalten an den Grundlagen des maschinellen Lernens sind erforderlich.
Was du lernen wirst
- Lösen Sie Regressions- und Klassifizierungsprobleme mit TensorFlow und Keras
- Erfahren Sie, wie Sie Tensor Board zur Überwachung neuronaler Netze und deren Training verwenden
- Optimieren Sie Hyperparameter und sichere Entscheidungen / Best Practices
- Erstellen Sie CNNs, RNNs und LSTMs und verwenden Sie die Worteinbettung von Grund auf neu
- Erstellen und trainieren Sie seq2seq-Modelle für maschinelle Übersetzung und Chat-Anwendungen.
- Grundlegendes zu Deep Q-Netzwerken und deren Verwendung zur Lösung eines Problems mit autonomen Agenten.
- Entdecken Sie Deep Q Network und gehen Sie die Herausforderungen autonomer Agenten an.
Im Detail
Tiefes Lernen ist zu einer wesentlichen Notwendigkeit geworden, um in die Welt der künstlichen Intelligenz einzutreten. Mit diesem Buch werden Deep-Learning-Techniken für praktizierende Datenwissenschaftler zugänglicher, praktischer und relevanter. Durch praktische Beispiele wird das tiefe Lernen von der Wissenschaft in die reale Welt verlagert.
Sie erfahren, wie Tensor Board verwendet wird, um das Training tiefer neuronaler Netze zu überwachen und binäre Klassifizierungsprobleme mithilfe von Deep Learning zu lösen. Die Leser lernen dann, Hyperparameter in ihren Deep-Learning-Modellen zu optimieren. Das Buch führt die Leser dann durch die praktische Implementierung des Trainings von CNNs, RNNs und LSTMs mit Worteinbettungen und seq2seq-Modellen von Grund auf neu. Später befasst sich das Buch mit fortgeschrittenen Themen wie Deep Q Network, um ein Problem mit autonomen Agenten zu lösen, und wie man mit zwei gegnerischen Netzwerken künstliche Bilder erzeugt, die real erscheinen. Zu Implementierungszwecken betrachten wir beliebte Python-basierte Deep-Learning-Frameworks wie Keras und Tensorflow. Jedes Kapitel enthält Best Practices und sichere Auswahlmöglichkeiten, damit die Leser beim Training tiefer neuronaler Netze die richtige Entscheidung treffen können.
Am Ende dieses Buches werden Sie in der Lage sein, reale Probleme mit tiefen neuronalen Netzen schnell zu lösen.
Stil und Herangehensweise
Eine leicht verständliche, schrittweise Anleitung, die Ihnen hilft, sich mit realen Anwendungen des Trainings tiefer neuronaler Netze vertraut zu machen.
eBook-Details
Über dieses Bundle
Tauchen Sie in neuronale Netze ein und lernen Sie, wie Sie Ihr neu gewonnenes Wissen mit dem Deep Learning in Depth Bundle auf Anwendungen, Spiele und mehr anwenden können.
Mit bis zu 20 eBooks zur Auswahl aus drei Ebenen, darunter 17 neue bis fanatische Titel, können Sie moderne Deep-Learning-Techniken anwenden, um tiefe neuronale Netze mithilfe einer Vielzahl von Ressourcen wie Python, Tensorflow und zu erstellen und zu trainieren PyTorch.
In Tier One erhalten Sie fünf eBooks, die Sie durch wichtige Techniken des Tiefenlernens führen und wie Sie es am besten in die Praxis umsetzen können. Diese Stufe umfasst praktische neuronale Netze, in denen Sie Algorithmen zur Lösung häufiger Probleme mithilfe von Rückausbreitung und Perzeptronen erlernen und anhand nützlicher Abbildungen verstehen, wie neuronale Netze auf Anwendungen angewendet werden.
Wenn Sie sich für Tier 2 des Bundles entscheiden, können Sie aus weiteren fünf eBooks lernen, mit schrittweisen Anleitungen zu den Entwurfsprinzipien für das Lernen von Verstärkungen und Modellen für tiefes Lernen von Verstärkungen und vielem mehr. Mit Verstärkungslernalgorithmen mit Python lernen, entwickeln und implementieren Sie erweiterte Verstärkungslernalgorithmen, um eine Vielzahl von Aufgaben zu lösen und sich mit Evolutionsstrategien zur Lösung des Mondlanderproblems vertraut zu machen.
Wenn Sie Tier 3 wählen, erhalten Sie alle 20 eBooks, mit denen Sie Ihr Wissen über tiefes Lernen erweitern und erfahren, wie es eine große Rolle in Ihrer täglichen Rolle spielen kann, sei es als KI-Forscher / Entwickler, Datenwissenschaftler oder Spieleentwickler .
Mit Python Reinforcement Learning Projects erkunden Sie die Möglichkeiten von TensorFlow, selbstlernende Modelle zu erstellen und fortschrittliche Deep-RL-Algorithmen auf Spiele wie Minecraft anzuwenden. Es gibt auch Deep Reinforcement Learning Hands-On, in dem Sie Deep Reinforcement Learning (RL) von den ersten Prinzipien bis zu den neuesten Algorithmen beherrschen und Ihre eigene OpenAI Gym-Umgebung erstellen, um einen Börsenhändler zu schulen.
Die in diesem Bundle enthaltenen eBooks sind in den Formaten EPUB, MOBI und PDF verfügbar.