Deep Learning mit TensorFlow, Keras und TensorFlow.js

Deep Learning ist die Schlüsseltechnologie der Künstlichen Intelligenz. Neuronale Netze bringen Höchstleistung, wenn sie zu Deep-Learning-Modellen verknüpft werden – vorausgesetzt, Sie machen es richtig. Gute Trainingsdaten beschaffen, geschickt implementieren und mehr: Lernen Sie hier, wie Sie die mächtige Technologie wirklich in Ihren Dienst nehmen. Unsere Autoren zeigen Ihnen sowohl die Arbeit mit Python und Keras als auch für den Browser mit JavaScript, HTML5 und TensorFlow.js. Und das alles ganz aktuell zu TensorFlow 2.

• Von der Aufbereitung der Daten bis zur Visualisierung
• Basisprojekte mit Beispielen aus vielen Anwendungsfeldern
• Mit Python, HTML5 und JavaScript Deep Learning entdecken

Deep Learning meistern

1. Wichtige Konzepte verstehen

   Deep Learning ist nicht gleich Deep Learning. Lernen Sie maschinelles Lernen mit verschiedenen Konzepten und Netztypen von Grund auf kennen.

2. Daten richtig vorbereiten

   Je mehr Daten, desto besser lernt Ihr Modell? Ja und nein – worauf es außerdem ankommt, erfahren Sie hier.

3. Professionell im Detail

   Die Frameworks nehmen Ihnen vieles ab, so dass sich leicht erste Ergebnisse erzielen lassen – auch mit eigenen Modellen. Damit Sie Ihre Modelle geschickt trainieren und mehr erreichen können, gehen die Autoren mit Ihnen ins Detail, umschiffen Untiefen und lassen Sie an Ihrer Projekterfahrung teilhaben.

4. Deep Learning im Browser

   Mit TensorFlow.js bringen Sie Ihre Deep-Learning-Anwendung direkt in den Browser. Dabei verwenden Sie JavaScript und HTML5.

Aus dem Inhalt

• Deep-Learning-Grundkonzepte
• Installation der Frameworks
• TensorFlow 2
• Convolutional Networks, LSTM, RNN, Pooling ..
• Aufgaben eines Modells richtig festlegen
• Eigene Modelle trainieren
• Overfitting und Underfitting vermeiden
• Ergebnisse visualisieren