Produktinformationen "Generatives Deep Learning"
Generative Modelle haben sich zu einem der spannendsten Themenbereiche der
Künstlichen Intelligenz entwickelt: Mit generativem Deep Learning ist es
inzwischen möglich, einer Maschine das Malen, Schreiben oder auch das
Komponieren von Musik beizubringen – kreative Fähigkeiten, die bisher dem
Menschen vorbehalten waren. Mit diesem praxisnahen Buch können Data Scientists
einige der eindrucksvollsten generativen Deep-Learning-Modelle nachbilden, wie
z.B. Generative Adversarial Networks (GANs), Variational Autoencoder (VAEs),
Encoder-Decoder- sowie World-Modelle. David Foster vermittelt zunächst die
Grundlagen des Deep Learning mit Keras und veranschaulicht die Funktionsweise
jeder Methode, bevor er zu einigen der modernsten Algorithmen auf diesem Gebiet
vorstößt. Die zahlreichen praktischen Beispiele und Tipps helfen Ihnen
herauszufinden, wie Ihre Modelle noch effizienter lernen und noch kreativer
werden können. - Entdecken Sie, wie Variational Autoencoder den Gesichtsausdruck
auf Fotos verändern können - Erstellen Sie praktische GAN-Beispiele von Grund
auf und nutzen Sie CycleGAN zur Stilübertragung und MuseGAN zum Generieren von
Musik - Verwenden Sie rekurrente generative Modelle, um Text zu erzeugen, und
lernen Sie, wie Sie diese Modelle mit dem Attention-Mechanismus verbessern
können - Erfahren Sie, wie generatives Deep Learning Agenten dabei unterstützen
kann, Aufgaben im Rahmen des Reinforcement Learning zu erfüllen - Lernen Sie die
Architektur von Transformern (BERT, GPT-2) und Bilderzeugungsmodellen wie ProGAN
und StyleGAN kennen "Dieses Buch ist eine leicht zugängliche Einführung in das
Deep-Learning-Toolkit für generatives Modellieren. Wenn Sie ein kreativer
Praktiker sind, der es liebt, an Code zu basteln, und Deep Learning für eigene
Aufgaben nutzen möchte, dann ist dieses Buch genau das Richtige für Sie." —
David Ha, Research Scientist bei Google Brain