Download Ebook
Download Ebook
Erfolg ist eine Wahl. Es ist genau das, was viele Leute sagen, sowie empfehlen andere machen gut tun. Wenn jemand Erfolg sein will, werden sie große Initiative zu verstehen versuchen. Es sind zahlreiche Verfahren bestimmt und durchgemacht. Absolut nichts begrenzt, aber es ist etwas, das vergessen B kann. Sucht Know-how sowie Erfahrung muss sowie Prozess in dem Plan bleiben. Wenn Sie immer viel mehr diese beiden, könnten Sie Ihre Pläne beenden.
Jede Art von Publikationen, die Sie überprüfen, egal, wie Sie die Sätze erhalten, die tatsächlich von den Bücher gelesen wurden, auf jeden Fall werden sie Ihnen Güte. Aber, werden wir Sie unter Befassung des Buches zeigen, dass Sie zu überprüfen. Das ist genau das, was wir mit Sicherheit bedeuten. Wir zeigen Ihnen sicherlich die vernünftigen Gründe, warum Sie dieses Buch lesen muß. Dieses Buch ist eine Art von unschätzbarem Wert Veröffentlichung von einem erfahrenen Autor geschrieben.
Das wird sicherlich sät auch Ihnen gute Möglichkeit, Sie ideal zu erreichen. Wenn es für Sie Wirklichkeit wird, können Sie es in Ihrer Freizeit überprüfen. Warum versuchst du es nicht? Wirklich, Sie werden sicherlich nicht bekannt, wie genau diese Veröffentlichung wird sicher sein, es sei denn, Sie auschecken. Obwohl Sie dieses Buch nicht viel Zeit hat, schnell zu beenden, ist es in der Tat sollte nicht schnell enden. Wählen Sie Ihre wertvollen Ausfallzeiten zu nutzen, diese Veröffentlichung zu lesen.
Produktinformation
Format: Kindle Ausgabe
Dateigröße: 24984 KB
Seitenzahl der Print-Ausgabe: 448 Seiten
Verlag: mitp Verlags GmbH & Co. KG; Auflage: 1 (25. Mai 2018)
Verkauf durch: Amazon Media EU S.Ã r.l.
Sprache: Deutsch
ASIN: B07D9CW2DN
Text-to-Speech (Vorlesemodus):
Aktiviert
P.when("jQuery", "a-popover", "ready").execute(function ($, popover) {
var $ttsPopover = $('#ttsPop');
popover.create($ttsPopover, {
"closeButton": "false",
"position": "triggerBottom",
"width": "256",
"popoverLabel": "Text-zu-Sprache Popover",
"closeButtonLabel": "Text-zu-Sprache Popover schließen",
"content": '
});
});
X-Ray:
Nicht aktiviert
P.when("jQuery", "a-popover", "ready").execute(function ($, popover) {
var $xrayPopover = $('#xrayPop_B75C202AA87211E99E582F99D0ECC94C');
popover.create($xrayPopover, {
"closeButton": "false",
"position": "triggerBottom",
"width": "256",
"popoverLabel": "X-Ray Popover ",
"closeButtonLabel": "X-Ray Popover schließen",
"content": '
});
});
Word Wise: Nicht aktiviert
Verbesserter Schriftsatz:
Nicht aktiviert
P.when("jQuery", "a-popover", "ready").execute(function ($, popover) {
var $typesettingPopover = $('#typesettingPopover');
popover.create($typesettingPopover, {
"position": "triggerBottom",
"width": "256",
"content": '
"popoverLabel": "Popover für verbesserten Schriftsatz",
"closeButtonLabel": "Popover für verbesserten Schriftsatz schließen"
});
});
Durchschnittliche Kundenbewertung:
5.0 von 5 Sternen
7 Kundenrezensionen
Amazon Bestseller-Rang:
#68.141 Bezahlt in Kindle-Shop (Siehe Top 100 Bezahlt in Kindle-Shop)
Ich habe Kapitel gelesen die mich eigentlich nicht interessieren und wurde positiv überrascht. Ich habe selten ein Buch in so kurzer Zeit gelesen.
Sehr interessante Inhalte, nicht zu viel Theorie.
Gutes mitp Praxishandbuch!
Wer in Deep Learning einsteigen möchte, wird zur Zeit mit Literatur und Internet-Tutorials erschlagen. Es gibt viel zu lernen: MLPs, CNNs, RNNs, programmatisch umgesetzt auf der "grünen Wiese" mit NumPy oder mit einem Framework wir Theano, Microsoft Cognitive Toolkit (CNTK) oder TensorFlow.Wie steigt man da jetzt noch ein?Mit Keras! Denn Keras erübrigt viel Einarbeitung in die Details. Es ist ein Framework auf High-Level, dass die Einzelanweisungen, die Theano, CNTK oder TensorFlow liefern, in Bausteine zusammenfasst, so das ein Programmierer mit Keras neuronale-Netze bauen kann (fast) wie mit Legosteinen.Am Anfang gibt es noch die obligatorische Erläuterung, wie die Backpropagation ungefähr funktioniert, dann geht es auch schon los, immer auf Keras-Ebene, also beispielsweise so:keras.models.Sequential().add(keras.layers.Dense(64, activation = 'relu'))keras.models.Sequential().add(keras.layers.Dense(64, activation = 'relu'))keras.models.Sequential().add(keras.layers.Dense(46, activation = 'relu'))Kein TensorFlow-Gefummel (oder was auch immer), sondern direkt von Start über Los zum Ziel.Keras ist folglich ein guter Einstieg und erhöht die Produktivität der Entwicklung (Prototyping) künstlicher neuronaler Netze enorm. Das Buch bleibt gedanklich stets bei TensorFlow und harmoniert daher besonders gut für Leute, die sich schon mal mit TensorFlow befasst haben. Dennoch spielt es in der Regel keine Rolle, welches Framework auf Low-Level (also unterhalb von Keras) verwendet wird.Das Buch ist eine deutsche Übersetzung. Ich kenne das Original zwar nicht (der Autor ist einer der Entwickler der Keras-Bibliothek), dennoch erscheint mir die Übersetzung ins Deutsche als gelungen. Es liest sich nicht wie übersetzt, wie so manch andere Bücher.Nun aber zum wichtigsten: Den Lern-Mehrwert des Buches. Wenn man Keras erstmal zum Laufen gebracht hat, dann ist das Buch eine wirkliche Bereicherung für den Einstieg als auch für die erste Erfahrung mit Visual Computing zum Einen, der Verarbeitung von sequenziellen Daten mit Rekurrenten Netzen zum Anderen.Das Buch verzichtet übrigens nicht auf die Erläuterung von Mathematik, jedoch (und das sticht aus der Masse heraus) ohne die Darstellung von mathematischen Formeln, sondern nur (!) über Code-Snipsel, die kurz gehalten und trotzdem verständlich sind.Von mir volle Punktzahl und klare Empfehlung für Einsteiger in Deep Learning.
Um was es auf den inklusive fünfseitigem Stichwortverzeichnis 443 Seiten geht, bringt der Titel zum Ausdruck: Deep Learning, auf Deutsch künstliche Intelligenz, maschinelles Sehen, nicht nur Hören, sondern auch verstehen und interpretieren von Sprache, Bilder ein- und zuordnen, Vorhersage von wahrscheinlich eintretenden kommenden 'Ereignissen', neuronale Netze etc.Das Buch ist kein 'Lesebuch'. Es erfordert konzentriertes Durcharbeiten und sehr aktives Mitdenken. Wobei solide Python-Kenntnisse nicht nur ideal, sondern vorausgesetzt werden.
Ein Standardwerk vom Keras Autor persönlich. Die Einführung in Deep Learning und Neuronale Netze ist erstklassig gelungen. Die Keras Beispiele sind auf das wesentliche reduziert und immer erstklassig bebildert. Noch ein Grundlagenkapitel mit allen wichtigen Begriffen und Konzepten ist hier auch nicht selbstverständlich. Wenn alles erklärt ist bringt der Autor Teil zwei: Praxis. Alles drin: Faltung, Pooling, verschiedene Layer, Tensor Board, etc. und viele viele gute Beispiele.Natürlich kann man immer streiten, ob zuviel übersetzt worden ist. Manche mögen den Begriff Über-/Unteranpassung mögen, manche (wie ich) nicht. Aber das tut dem klasse Werk - auf dem man auch Lehrveranstaltungen aufbauen kann - keinen Abbruch. Klare Kaufempfehlung!
Gutes Buch für einen groben Überblick und einer schnellen Einführung
PDF
EPub
Doc
iBooks
rtf
Mobipocket
Kindle
This post was written by: Author Name
Your description comes here!
Posting Komentar