­čôľ[PDF] Deep Learning. Das umfassende Handbuch by Ian Goodfellow | Perlego
Get access to over 750,000 titles
Start your free trial today and explore our endless library.
Join perlego now to get access to over 750,000 books
Join perlego now to get access to over 750,000 books
Join perlego now to get access to over 750,000 books
Join perlego now to get access to over 750,000 books
Deep Learning. Das umfassende Handbuch
Deep Learning. Das umfassende Handbuch
­čôľ Book - PDF

Deep Learning. Das umfassende Handbuch

Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsans├Ątze
Ian Goodfellow, Yoshua Bengio, Aaron Courville
shareBook
Share book
pages
912 pages
language
German
format
ePUB (mobile friendly) and PDF
unavailableOnMobile
Only available on web
­čôľ Book - PDF

Deep Learning. Das umfassende Handbuch

Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsans├Ątze
Ian Goodfellow, Yoshua Bengio, Aaron Courville
Book details
Table of contents
Citations

About This Book

Mathematische Grundlagen f├╝r Machine und Deep Learning Umfassende Behandlung zeitgem├Ą├čer Verfahren: tiefe Feedforward-Netze, Regularisierung, Performance-Optimierung sowie CNNs, Rekurrente und Rekursive Neuronale Netze Zukunftsweisende Deep-Learning-Ans├Ątze 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 f├╝r den Einsatz und die Anwendung von Deep Learning eine Rolle spielen: In Teil I erl├Ąutern die Autoren die mathematischen Grundlagen f├╝r K├╝nstliche 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 Forschungsans├Ątze und zeigen neue zukunftsweisende Verfahren auf.Dieses Buch richtet sich an Studenten und alle, die sich in der Forschung mit Deep Learning besch├Ąftigen sowie an Softwareentwickler und Informatiker, die Deep Learning f├╝r eigene Produkte oder Plattformen einsetzen m├Âchten. Dabei werden Grundkenntnisse in Mathematik, Informatik und Programmierung vorausgesetzt. Teil I: Angewandte Mathematik und Grundlagen f├╝r das Machine Learning Lineare AlgebraWahrscheinlichkeits- und InformationstheorieBayessche StatistikNumerische Berechnung Teil II: Deep-Learning-Verfahren Tiefe Feedforward-NetzeRegularisierungOptimierung beim Trainieren tiefer ModelleConvolutional Neural NetworksSequenzmodellierung f├╝r Rekurrente und Rekursive NetzePraxisorientierte MethodologieAnwendungen: Computer Vision, Spracherkennung, Verarbeitung nat├╝rlicher 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.

Read More

Information

Publisher
MITP Verlag
Year
2018
ISBN
9783958457027
Topic
Computer Science
Subtopic
Computer Science General
Edition
1

Table of contents