Angebote zu "Deep" (44 Treffer)

Kategorien

Shops

Deep Learning
80,00 € *
ggf. zzgl. Versand

Von drei Experten dieses Fachgebiets verfasst und das einzige umfassende deutsche Buch zu diesem Thema Behandelt alle mathematischen Grundlagen zu den Themen Deep Learning, Machine Learning, Künstliche Intelligenz und Neuronale Netze Mathematische und begriffliche Hintergrundinformationen und relevante Konzepte aus den Bereichen Lineare Algebra, Wahrscheinlichkeitsrechnung, Informationstheorie, Statistik und numerische Berechnung Deep Learning ist eine Form des Machine Learnings, die Computer in die Lage versetzt, aus Erfahrungen zu lernen und so die Welt als miteinander verbundene Ansammlung von hierarchischen Konzepten zu begreifen. Da der Computer Wissen aus der eigenen Erfahrung sammelt, muss kein Mensch mehr alle benötigten Kenntnisse formal eingeben. Die Hierarchie der Konzepte ermöglicht dem Computer das Erlernen komplexer Konzepte, indem er sie aus einfacheren Bausteinen zusammensetzt. Dabei besteht ein Graph dieser Hierarchien aus vielen Schichten. Dieses Buch behandelt eine Vielzahl von Themen rund um das Deep Learning. Es vermittelt dazu mathematische sowie begriffliche Hintergrundinformationen und stellt relevante Konzepte aus den Bereichen lineare Algebra, Wahrscheinlichkeitstheorie und Informationstheorie, numerische Berechnung und Machine Learning vor. Neben einer Beschreibung der in der Praxis genutzten Deep-Learning-Techniken - darunter tiefe Feedforward-Netze, Regularisierung, Optimierungsalgorithmen, konvolutionale Netze, Sequenzmodellierung und praxisorientierte Methodologie - werden auch Anwendungen wie Natural Language Processing, Spracherkennung, Computer Vision, Online-Empfehlungssysteme, Bioinformatik und Videospiele betrachtet. Außerdem bietet das Buch Einblicke in die Forschung und befasst sich dazu mit theoretischen Aspekten wie Linearfaktormodellen, Autoencodern, Representation Learning, strukturierten Wahrscheinlichkeitsmodellen, dem Monte-Carlo-Verfahren, der Partitionsfunktion und der näherungsweisen Inferenz. Deep Learning eignet sich für alle, die während des Bachelor- oder Master-Studiums ihre Laufbahn in Forschung oder Wirtschaft planen, aber auch für Softwareentwickler und Informatiker, die Deep Learning für eigene Produkte oder Plattformen einsetzen möchten. Die Website zum Buch bietet ergänzende Materialien für Leser und Lehrkräfte. Stimmen zum Buch Deep Learning ist - verfasst von drei Experten dieses Fachgebiets - das einzige umfassende Buch zu diesem Thema. - Elon Musk, Co-Chair von OpenAI; Mitgründer und CEO von Tesla und SpaceX

Anbieter: buecher.de
Stand: 03.08.2018
Zum Angebot
Deep Learning
64,99 € *
ggf. zzgl. Versand
Anbieter: buecher.de
Stand: 03.08.2018
Zum Angebot
Deep Learning for Search
43,99 € *
ggf. zzgl. Versand

Key Features · Search with recommendations · Accurate and relevant rankings of search results · Generating suitable synonyms Audience Written for developers comfortable with Java or a similar language. No experience with deep learning or NLP needed.

Anbieter: buecher.de
Stand: 03.08.2018
Zum Angebot
Deep Learning Cookbook
39,99 € *
ggf. zzgl. Versand
Anbieter: buecher.de
Stand: 10.08.2018
Zum Angebot
Grokking Deep Learning
49,99 € *
ggf. zzgl. Versand
Anbieter: buecher.de
Stand: 03.08.2018
Zum Angebot
Deep Learning for Natural Language Processing
25,99 € *
ggf. zzgl. Versand

Discover the concepts of deep learning used for natural language processing (NLP), with full-fledged examples of neural network models such as recurrent neural networks, long short-term memory networks, and sequence-2-sequence models. You´ll start by covering the mathematical prerequisites and the fundamentals of deep learning and NLP with practical examples. The first three chapters of the book cover the basics of NLP, starting with word-vector representation before moving onto advanced algorithms. The final chapters focus entirely on implementation, and deal with sophisticated architectures such as RNN, LSTM, and Seq2seq, using Python tools: TensorFlow, and Keras. Deep Learning for Natural Language Processing follows a progressive approach and combines all the knowledge you have gained to build a question-answer chatbot system. This book is a good starting point for people who want to get started in deep learning for NLP. All the code presented in the book will be available in the form of IPython notebooks and scripts, which allow you to try out the examples and extend them in interesting ways. What You Will Learn Gain the fundamentals of deep learning and its mathematical prerequisites Discover deep learning frameworks in Python Develop a chatbot Implement a research paper on sentiment classification Who This Book Is For Software developers who are curious to try out deep learning with NLP.

Anbieter: buecher.de
Stand: 03.08.2018
Zum Angebot
Deep Belief Nets in C++ and CUDA C: Volume 2
25,99 € *
ggf. zzgl. Versand

Discover the essential building blocks of a common and powerful form of deep belief net: the autoencoder. You´ll take this topic beyond current usage by extending it to the complex domain for signal and image processing applications. Deep Belief Nets in C++ and CUDA C: Volume 2 also covers several algorithms for preprocessing time series and image data. These algorithms focus on the creation of complex-domain predictors that are suitable for input to a complex-domain autoencoder. Finally, you´ll learn a method for embedding class information in the input layer of a restricted Boltzmann machine. This facilitates generative display of samples from individual classes rather than the entire data distribution. The ability to see the features that the model has learned for each class separately can be invaluable. At each step this book provides you with intuitive motivation, a summary of the most important equations relevant to the topic, and highly commented code for threaded computation on modern CPUs as well as massive parallel processing on computers with CUDA-capable video display cards. What You´ll Learn Code for deep learning, neural networks, and AI using C++ and CUDA C Carry out signal preprocessing using simple transformations, Fourier transforms, Morlet wavelets, and more Use the Fourier Transform for image preprocessing Implement autoencoding via activation in the complex domain Work with algorithms for CUDA gradient computation Use the DEEP operating manual Who This Book Is For Those who have at least a basic knowledge of neural networks and some prior programming experience, although some C++ and CUDA C is recommended.

Anbieter: buecher.de
Stand: 03.08.2018
Zum Angebot
Deep Belief Nets in C++ and CUDA C: Volume 3
23,99 € *
ggf. zzgl. Versand

Discover the essential building blocks of a common and powerful form of deep belief network: convolutional nets. This book shows you how the structure of these elegant models is much closer to that of human brains than traditional neural networks; they have a ´thought process´ that is capable of learning abstract concepts built from simpler primitives. These models are especially useful for image processing applications. At each step Deep Belief Nets in C++ and CUDA C: Volume 3 presents intuitive motivation, a summary of the most important equations relevant to the topic, and concludes with highly commented code for threaded computation on modern CPUs as well as massive parallel processing on computers with CUDA-capable video display cards. Source code for all routines presented in the book, and the executable CONVNET program which implements these algorithms, are available for free download. What You Will Learn Discover convolutional nets and how to use them Build deep feedforward nets using locally connected layers, pooling layers, and softmax outputs Master the various programming algorithms required Carry out multi-threaded gradient computations and memory allocations for this threading Work with CUDA code implementations of all core computations, including layer activations and gradient calculations Make use of the CONVNET program and manual to explore convolutional nets and case studies Who This Book Is For Those who have at least a basic knowledge of neural networks and some prior programming experience, although some C++ and CUDA C is recommended.

Anbieter: buecher.de
Stand: 03.08.2018
Zum Angebot
Maschinelles Lernen
38,00 € *
ggf. zzgl. Versand

Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt: - Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet und der Hintergrund geliefert, um zu verstehen, wie und warum diese Algorithmen funktionieren. - Ebenfalls enthalten ist ein kompakter Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens. - Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt. - Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen. - Es werden verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens besprochen, u.a. Random Forest, DBSCAN und Q-Learning. Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt. Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis.

Anbieter: buecher.de
Stand: 10.08.2018
Zum Angebot
Integrating Natural Language Processing Compone...
79,00 € *
ggf. zzgl. Versand

This book describes novel software architectures for the integration of deep and shallow natural language processing (NLP) components in language technology. The generic markup language XML and the XML transformation language XSLT are used for flexible combination of linguistic markup produced by multiple NLP components. Shallow NLP components such as tokenizers, part-of-speech taggers, named entity recognizers and shallow parsers are combined with a deep parser, operating grammars written in the spirit of the Head-Driven Phrase Structure Grammar (HPSG) theory. The integration paradigm enables synergy leading to more robust deep parsing with increased coverage. It also constitutes a division of labor: the deep grammar models general, correct language use, while shallow systems are responsible for domain-specific extensions. Applications are presented in question answering, information extraction, natural language understanding, ontologies and the Semantic Web. The book addresses to software engineers, computational linguists and language technology engineers.

Anbieter: buecher.de
Stand: 03.08.2018
Zum Angebot