Deep Learning. Das umfassende Handbuch
Grundlagen, aktuelle Verfahren und Algorithmen, neue ForschungsansÀtze
Ian Goodfellow, Yoshua Bengio, Aaron Courville
- 912 pages
- German
- ePUB (mobile friendly)
- Only available on web
Deep Learning. Das umfassende Handbuch
Grundlagen, aktuelle Verfahren und Algorithmen, neue ForschungsansÀtze
Ian Goodfellow, Yoshua Bengio, Aaron Courville
About This Book
Mathematische Grundlagen fĂŒr Machine und Deep Learning Umfassende Behandlung zeitgemĂ€Ăer Verfahren: tiefe Feedforward-Netze, Regularisierung, Performance-Optimierung sowie CNNs, Rekurrente und Rekursive Neuronale Netze Zukunftsweisende Deep-Learning-AnsĂ€tze sowie von Ian Goodfellow neu entwickelte Konzepte wie Generative Adversarial Networks Deep Learning ist ein Teilbereich des Machine Learnings und versetzt Computer in die Lage, aus Erfahrungen zu lernen. Dieses Buch behandelt umfassend alle Aspekte, die fĂŒr den Einsatz und die Anwendung von Deep Learning eine Rolle spielen: In Teil I erlĂ€utern die Autoren die mathematischen Grundlagen fĂŒr KĂŒnstliche Intelligenz, Neuronale Netze, Machine Learning und Deep Learning.In Teil II werden die aktuellen in der Praxis genutzten Verfahren und Algorithmen behandelt. In Teil III geben die Autoren Einblick in aktuelle ForschungsansĂ€tze und zeigen neue zukunftsweisende Verfahren auf.Dieses Buch richtet sich an Studenten und alle, die sich in der Forschung mit Deep Learning beschĂ€ftigen sowie an Softwareentwickler und Informatiker, die Deep Learning fĂŒr eigene Produkte oder Plattformen einsetzen möchten. Dabei werden Grundkenntnisse in Mathematik, Informatik und Programmierung vorausgesetzt. Teil I: Angewandte Mathematik und Grundlagen fĂŒr das Machine Learning Lineare AlgebraWahrscheinlichkeits- und InformationstheorieBayessche StatistikNumerische Berechnung Teil II: Deep-Learning-Verfahren Tiefe Feedforward-NetzeRegularisierungOptimierung beim Trainieren tiefer ModelleConvolutional Neural NetworksSequenzmodellierung fĂŒr Rekurrente und Rekursive NetzePraxisorientierte MethodologieAnwendungen: Computer Vision, Spracherkennung, Verarbeitung natĂŒrlicher Sprache Teil III: Deep-Learning-Forschung Lineare FaktorenmodelleAutoencoderRepresentation LearningProbabilistische graphische ModelleMonte-Carlo-Verfahren Die PartitionsfunktionApproximative InferenzTiefe generative Modelle wie Restricted Boltzmann Machines, Deep-Belief-Netze, Gerichtete Generative Netze, Variational Autoencoder u.v.m.