François Chollet Reihenfolge der Bücher

Dieses Buch bietet eine praxisorientierte Einführung in die grundlegenden Konzepte von Machine Learning und Deep Learning. Es behandelt zahlreiche Anwendungsbeispiele zur Lösung konkreter Aufgaben wie maschinelles Sehen, Sprachverarbeitung, Bildklassifizierung, Zeitreihenprognose und Stimmungsanalyse. Der Autor konzentriert sich auf die praktische Anwendung und verzichtet weitgehend auf mathematische Formeln. Anhand von Beispielen lernen die Leser, wie sie Deep Learning effektiv einsetzen können, wobei die Programmiersprache R und die Deep-Learning-Bibliothek Keras verwendet werden, die sich ideal für den Einstieg eignen. Das Buch gliedert sich in zwei Teile: Teil I bietet eine allgemeine Einführung in Deep Learning, erklärt grundlegende Begriffe und Konzepte, die für den Einstieg in neuronale Netze wichtig sind. Teil II widmet sich ausführlich den praktischen Anwendungen in Computer Vision und der Verarbeitung natürlicher Sprache. Viele Beispiele dienen als Vorlage zur Lösung von Problemen, die in der Praxis des Deep Learnings auftreten können. Es richtet sich an Leser mit Programmiererfahrung in R, die in das Machine Learning und Deep Learning einsteigen möchten. Grundkenntnisse in R sind für die Nutzung von Keras erforderlich.

Dieses Buch bietet eine praxisorientierte Einführung in die grundlegenden Konzepte von Machine Learning und Deep Learning. Es enthält zahlreiche Anwendungsbeispiele zur Lösung konkreter Aufgaben wie maschinelles Sehen, Sprachverarbeitung, Bildklassifizierung, Zeitreihenvorhersage, Stimmungsanalyse sowie die Erzeugung von Bildern und Texten. Der Autor legt den Schwerpunkt auf die praktische Anwendung und verzichtet weitgehend auf mathematische Formeln. Anhand von Beispielen lernen die Leser, wie sie Deep Learning effektiv einsetzen können. Die Programmiersprache Python und die Deep-Learning-Bibliothek Keras werden als zentrale Werkzeuge vorgestellt, da Keras als besonders geeignet für den Einstieg gilt. Das Buch gliedert sich in zwei Teile: Teil I bietet eine allgemeine Einführung in Deep Learning, erklärt grundlegende Begriffe und Konzepte, die für den Einstieg in neuronale Netze wichtig sind. Teil II widmet sich den praktischen Anwendungsmöglichkeiten von Deep Learning in Bereichen wie Computer Vision und der Verarbeitung natürlicher Sprache. Die Beispiele dienen als Vorlage zur Lösung praktischer Probleme im Deep Learning. Es richtet sich an Leser mit Programmiererfahrung in Python, die in das Thema Machine Learning und Deep Learning einsteigen möchten. Grundkenntnisse in Python sind für die Nutzung von Keras erforderlich.