Unser Buch des Monats: Deep Learning mit Python und Keras

Wir möchten euch heute gemeinsam mit Alexander Bresk das Praxis-Handbuch „Deep Learning mit Python und Keras“ näher vorstellen. Alexander hat tatkräftig bei der Übersetzung des Buches in die deutsche Sprache mitgewirkt und ist demzufolge mit dem Inhalt bestens vertraut.

 

Was ist Deep Learning?

Es handelt sich beim so genannten Deep Learning um eine spezielle Methode, um Informationen zu verarbeiten. Genauer genommen ist es ein Teilbereich des Machine Learnings und nutzt neuronale Netze. Inspiriert wurde die Funktionsweise in vielen Bereichen vom Lernen im menschlichen Gehirn. Um künstliche Intelligenz zu entwickeln, werden Trainingsmethoden genutzt, die große Datenmengen aufzeichnen und analysieren. Zusammen mit dem neuronalen Netz kann das System die gesammelten Informationen mit neuen Inhalten verknüpfen und dadurch erneut lernen. Auf Grundlage dessen ist die Maschine in der Lage, Prognosen oder Entscheidungen zu treffen sowie zu hinterfragen. Die Entscheidungen werden bestätigt oder in einem neuen Versuch geändert. Beim eigentlichen Lernvorgang greift der Mensch regulär nicht mehr ein.

Was bietet mir das Buch?

Dieses Buch bietet eine praxisorientierte Einführung in die grundlegenden Konzepte von Machine Learning sowie Deep Learning. Es schlägt die ideale Brücke zwischen der Theorie, welche man für Deep Learning sowie Machine Learning mit Python benötigt sowie der dazugehörigen Praxis.

Um den Einstieg in die alltägliche Anwendung zu erleichtern, werden verschiedene Beispiele inkl. Anwendungsmöglichkeiten vorgestellt. Benötigte Begrifflichkeiten und Konzepte, um den Start zu erleichtern, werden ebenfalls gut erklärt.

Neben den Kapiteln, welche den Einstieg in die Thematik vereinfachen, erfährst du zusätzlich alles Wissenswerte, welches dem aktuellen State-Of-The-Art im Machine Learning entspricht. Das bekannte Deep-Learning-Framework Keras dient als Plattform für Beispielanwendungen. Es wird zudem die Möglichkeit geboten, anhand von zahlreichen praktischen Anwendungsbeispielen konkrete Aufgabenstellungen zu lösen.

Aufgeteilt ist dieses praktische Nachschlagewerk in zwei Teile:

Teil I

Um einen guten Einstieg in das Thema zu erhalten, werden hier grundlegende Zusammenhänge und Begriffe im Bereich des Deep Learnings erläutert. Auch werden alle erforderlichen Konzepte, die für den Start mit Deep Learning sowie neuronalen Netzen wichtig sind, näher vorgestellt.

Teil II

Der Autor erläutert in diesem Teil ausführlich praktische Anwendungsmöglichkeiten des Deep Learnings beim maschinellen Sehen, auch Computer Vision genannt, sowie bei der Verarbeitung natürlicher Sprache. Als Vorlage zum Lösen von Problemen werden viele Beispiele vorgestellt. Diese helfen dir bei der späteren Arbeit mit dem Deep Learning.

Wer hat das Buch geschrieben?

Autor des originalen Buchtitels ist Francois Chollet. Er ist bei Google tätig und befasst sich dort mit Deep Learning. Francois ist der Entwickler der Deep-Learning-Bibliothek Keras und hat bedeutende Beiträge zum Machine-Learning-Framework TensorFlow geleistet. Unter anderem forscht Francois auf dem Gebiet des Deep Learnings mit dem Schwerpunkt maschinelles Sehen (Computer Vision).

Ist das Buch für mich hilfreich?

Wenn du als Gründer auf Machine Learning setzen möchtest, dann bietet dir dieses Buch eine wertvolle Unterstützung. Es hilft dir dabei, in das Machine Learning sowie Deep Learning einzusteigen. Jedoch solltest du für den Einsatz von Keras grundlegende Python-Kenntnisse besitzen.

Alexander Bresk
Alexander Bresk – Experte für Deep Learning


Top
Datenschutz
Wir, Gründernest GmbH (Firmensitz: Deutschland), würden gerne mit externen Diensten personenbezogene Daten verarbeiten. Dies ist für die Nutzung der Website nicht notwendig, ermöglicht uns aber eine noch engere Interaktion mit Ihnen. Falls gewünscht, treffen Sie bitte eine Auswahl:
Datenschutz
Wir, Gründernest GmbH (Firmensitz: Deutschland), würden gerne mit externen Diensten personenbezogene Daten verarbeiten. Dies ist für die Nutzung der Website nicht notwendig, ermöglicht uns aber eine noch engere Interaktion mit Ihnen. Falls gewünscht, treffen Sie bitte eine Auswahl: