Deep Learning mit R und Keras

Das Praxis-Handbuch von den Entwicklern von Keras und RStudio

Franà§ois Chollet und J.J. Allaire

Diese Publikation zitieren

Franà§ois Chollet, J.J. Allaire, Deep Learning mit R und Keras (2018), mitp-Verlag, Frechen, ISBN: 9783958458949

2188
Accesses
23
Quotes

Beschreibung / Abstract

Einführung in die grundlegenden Konzepte von Machine Learning und Deep LearningZahlreiche praktische Anwendungsbeispiele zum Lösen konkreter Aufgabenstellungen: Maschinelles Sehen, Sprachverarbeitung, Bildklassifizierung, Vorhersage von Zeitreihen, StimmungsanalyseCNNs, Rekurrente neuronale Netze, generative Modelle wie Variational Autoencoder und Generative-Adversarial-NetzeDieses Buch ist eine praxisorientierte Einführung und erläutert die grundlegenden Konzepte sowie den konkreten Einsatz von Deep Learning. Der Autor verzichtet dabei weitgehend auf mathematische Formeln und legt stattdessen den Fokus auf das Vermitteln der praktischen Anwendung von Machine Learning und Deep Learning.Anhand zahlreicher Beispiele erfahren Sie alles, was Sie benötigen, um Deep Learning zum Lösen konkreter Aufgabenstellungen einzusetzen. Dafür verwendet der Autor die Programmiersprache R und die Deep-Learning-Bibliothek Keras, die das beliebteste und am besten geeignete Tool für den Einstieg in Deep Learning ist.Das Buch besteht aus zwei Teilen: Teil I ist eine allgemeine Einführung in das Deep Learning und erläutert die grundlegenden Zusammenhänge und Begriffe sowie alle erforderlichen Konzepte, die für den Einstieg in Deep Learning und Neuronale Netze wichtig sind. In Teil II erläutert der Autor ausführlich die praktischen Anwendungen des Deep Learnings beim maschinellen Sehen (Computer Vision) und bei der Verarbeitung natürlicher Sprache. Viele der hier vorgestellten Beispiele können Ihnen später als Vorlage zum Lösen von Problemen dienen, die Ihnen in der Praxis des Deep Learnings begegnen werden.Das Buch wendet sich an Leser, die bereits Programmiererfahrung mit R haben und die ins Machine Learning und Deep Learning einsteigen möchten. Für den Einsatz von Keras werden grundlegende R-Kenntnisse vorausgesetzt.

Beschreibung

ist bei Google tätig und befasst sich mit Deep Learning. Er ist der Entwickler der Deep-Learning-Bibliothek Keras und hat bedeutende Beiträge zum Machine-Learning-Framework TensorFlow geleistet. Er forscht auf dem Gebiet des Deep Learnings mit den Schwerpunkten maschinelles Sehen und der Anwendung des Machine Learnings auf formales Schließen. Seine Forschungsergebnisse wurden auf bedeutenden Veranstaltungen des Fachgebiets veröffentlicht, unter anderem auf der (CVPR), der (NIPS), der (ICLR) und weiteren.


ist der Gründer von RStudio und der Entwickler der R-Interfaces für TensorFlow und Keras.

Inhaltsverzeichnis

  • Cover
  • Titel
  • Impressum
  • Inhaltsverzeichnis
  • Vorwort
  • Einleitung
  • Danksagungen
  • Über die Autoren
  • Teil I: Grundlagen des Deep Learnings
  • Kapitel 1: Was ist Deep Learning?
  • Kapitel 2: Bevor es losgeht: die mathematischen Bausteine eines neuronalen Netzes
  • Kapitel 3: Einführung in neuronale Netze
  • Kapitel 4: Grundlagen des Machine Learnings
  • Teil II: Deep Learning in der Praxis
  • Kapitel 5: Deep Learning und maschinelles Sehen
  • Kapitel 6: Deep Learning, Text und sequenzielle Daten
  • Kapitel 7: Bewährte Verfahren des Deep Learnings
  • Kapitel 8: Generatives Deep Learning
  • Kapitel 9: Schlussfolgerungen
  • Anhang A: Installation von Keras und der Erweiterungen unter Ubuntu
  • A.1 Überblick über den Installationsvorgang
  • A.2 Installation der erforderlichen Erweiterungen
  • A.3 Einrichtung der GPU-Unterstützung
  • A.4 Keras und TensorFlow installieren
  • Anhang B: RStudio-Server auf einer EC2-GPU-Instanz betreiben
  • B.1 Gründe, Deep Learning auf AWS zu betreiben
  • B.2 Gründe, auf AWS zu verzichten
  • B.3 Einrichtung einer AWS-GPU-Instanz
  • B.4 Auf den RStudio-Server zugreifen
  • B.5 Keras installieren
  • Stichwortverzeichnis

Mehr von dieser Serie

    Ähnliche Titel

      Mehr von diesem Autor