PORTO-
FREI

Deep Learning. Das umfassende Handbuch

Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze

von Goodfellow, Ian / Bengio, Yoshua / Courville, Aaron   (Autor)

Mathematische Grundlagen für Machine und Deep Learning Umfassende Behandlung zeitgemäßer Verfahren: tiefe Feedforward-Netze, Regularisierung, Performance-Optimierung sowie CNNs, Rekurrente und Rekursive Neuronale Netze Zukunftsweisende Deep-Learning-Ansätze sowie von Ian Goodfellow neu entwickelte Konzepte wie Generative Adversarial Networks Deep Learning ist ein Teilbereich des Machine Learnings und versetzt Computer in die Lage, aus Erfahrungen zu lernen. Dieses Buch behandelt umfassend alle Aspekte, die für den Einsatz und die Anwendung von Deep Learning eine Rolle spielen: In Teil I erläutern die Autoren die mathematischen Grundlagen für Künstliche Intelligenz, Neuronale Netze, Machine Learning und Deep Learning. In Teil II werden die aktuellen in der Praxis genutzten Verfahren und Algorithmen behandelt. In Teil III geben die Autoren Einblick in aktuelle Forschungsansätze und zeigen neue zukunftsweisende Verfahren auf. Dieses Buch richtet sich an Studenten und alle, die sich in der Forschung mit Deep Learning beschäftigen sowie an Softwareentwickler und Informatiker, die Deep Learning für eigene Produkte oder Plattformen einsetzen möchten. Dabei werden Grundkenntnisse in Mathematik, Informatik und Programmierung vorausgesetzt. Teil I: Angewandte Mathematik und Grundlagen für das Machine Learning Lineare Algebra Wahrscheinlichkeits- und Informationstheorie Bayessche Statistik Numerische Berechnung Teil II: Deep-Learning-Verfahren Tiefe Feedforward-Netze Regularisierung Optimierung beim Trainieren tiefer Modelle Convolutional Neural Networks Sequenzmodellierung für Rekurrente und Rekursive Netze Praxisorientierte Methodologie Anwendungen: Computer Vision, Spracherkennung, Verarbeitung natürlicher Sprache Teil III: Deep-Learning-Forschung Lineare Faktorenmodelle Autoencoder Representation Learning Probabilistische graphische Modelle Monte-Carlo-Verfahren Die Partitionsfunktion Approximative Inferenz Tiefe generative Modelle wie Restricted Boltzmann Machines, Deep-Belief-Netze, Gerichtete Generative Netze, Variational Autoencoder u.v.m.

Buch (Kartoniert)

EUR 80,00

Alle Preisangaben inkl. MwSt.

Auch verfügbar als:

Am Lager, sofort lieferbar
(Nur noch wenige Exemplare auf Lager)

Versandkostenfrei*

Versandtermin: 07. Dezember 2019, wenn Sie jetzt bestellen.
(innerhalb Deutschlands, Sendungen in Geschenkverpackung: + 1 Werktag)

Dieser Artikel kann nicht bestellt werden.
 

Produktbeschreibung


Mathematische Grundlagen für Machine und Deep Learning
Umfassende Behandlung zeitgemäßer Verfahren: tiefe Feedforward-Netze, Regularisierung, Performance-Optimierung sowie CNNs, Rekurrente und Rekursive Neuronale Netze
Zukunftsweisende Deep-Learning-Ansätze sowie von Ian Goodfellow neu entwickelte Konzepte wie Generative Adversarial Networks
Deep Learning ist ein Teilbereich des Machine Learnings und versetzt Computer in die Lage, aus Erfahrungen zu lernen. Dieses Buch behandelt umfassend alle Aspekte, die für den Einsatz und die Anwendung von Deep Learning eine Rolle spielen: In Teil I erläutern die Autoren die mathematischen Grundlagen für Künstliche Intelligenz, Neuronale Netze, Machine Learning und Deep Learning.

In Teil II werden die aktuellen in der Praxis genutzten Verfahren und Algorithmen behandelt.

In Teil III geben die Autoren Einblick in aktuelle Forschungsansätze und zeigen neue zukunftsweisende Verfahren auf.

Dieses Buch richtet sich an Studenten und alle, die sich in der Forschung mit Deep Learning beschäftigen sowie an Softwareentwickler und Informatiker, die Deep Learning für eigene Produkte oder Plattformen einsetzen möchten. Dabei werden Grundkenntnisse in Mathematik, Informatik und Programmierung vorausgesetzt.

Teil I: Angewandte Mathematik und Grundlagen für das Machine Learning

Lineare Algebra
Wahrscheinlichkeits- und Informationstheorie
Bayessche Statistik
Numerische Berechnung
Teil II: Deep-Learning-Verfahren

Tiefe Feedforward-Netze
Regularisierung
Optimierung beim Trainieren tiefer Modelle
Convolutional Neural Networks
Sequenzmodellierung für Rekurrente und Rekursive Netze
Praxisorientierte Methodologie
Anwendungen: Computer Vision, Spracherkennung, Verarbeitung natürlicher Sprache
Teil III: Deep-Learning-Forschung

Lineare Faktorenmodelle
Autoencoder
Representation Learning
Probabilistische graphische Modelle
Monte-Carlo-Verfahren
Die Partitionsfunktion
Approximative Inferenz
Tiefe generative Modelle wie Restricted Boltzmann Machines, Deep-Belief-Netze, Gerichtete Generative Netze, Variational Autoencoder u.v.m. 

Kritik

"Ian Goodfellow ist der Shootingstar der Künstlichen Intelligenz." Alexander Armbruster, Frankfurter Allgemeine Zeitung, 13.07.2017)

"Geschrieben von drei Experten des Fachgebiets ist dieses Buch das einzige umfassende Buch zum Thema." (Elon Musk, Cochair von OpenAI, Cofounder und CEO von Tesla und SpaceX)

"Als Leser darf man eine ausführliche Wissenssammlung zum Thema Künstliche Intelligent erwarten." (Developer-Blog, 05/2019) 

Autoreninfo


Ian Goodfellow ist Informatiker und Research Scientist bei Google Brain und arbeitet dort an der Entwicklung von Deep Learning. Er ist der Erfinder der Generative Adversarial Networks, die Yann LeCun, Facebooks Leiter für Künstliche-Intelligenz-Forschung, als "die coolste Erfindung im Deep Learning der letzten 20 Jahre" beschrieben hat. Die FAZ nannte Goodfellow den "Shooting Star der Künstlichen Intelligenz", die Wired einen der wichtigsten Forscher auf diesem Gebiet.
Yoshua Bengio ist Professor of Computer Science an der Universit‚ de Montr‚al.
Aaron Courville ist Assistant Professor of Computer Science an der Universit‚ de Montr‚al. 

Mehr vom Verlag:

MITP Verlags GmbH

Mehr aus der Reihe:

mitp Professional

Produktdetails

Medium: Buch
Format: Kartoniert
Seiten: xxii, 883
Sprache: Deutsch
Erschienen: November 2018
Sonstiges: .95845700
Maße: 238 x 169 mm
Gewicht: 1535 g
ISBN-10: 3958457002
ISBN-13: 9783958457003
Verlagsbestell-Nr.: 95845700

Bestell-Nr.: 21787069 
Libri-Verkaufsrang (LVR):
Libri-Relevanz: 120 (max 9.999)
Bestell-Nr. Verlag: 95845700

LIBRI: 6724205
LIBRI-EK*: 52.34 € (30.00%)
LIBRI-VK: 80,00 €
Libri-STOCK: 6
* EK = ohne MwSt.
P_SALEALLOWED: WORLD
DRM: 0
0 = Kein Kopierschutz
1 = PDF Wasserzeichen
2 = DRM Adobe
3 = DRM WMA (Windows Media Audio)
4 = MP3 Wasserzeichen
6 = EPUB Wasserzeichen

UVP: 0 
Warengruppe: 16390 

KNO: 67853767
KNO-EK*: 47.06 € (30.00%)
KNO-VK: 80,00 €
KNV-STOCK: 0

KNO-SAMMLUNG: mitp Professional
KNOABBVERMERK: 2018. 912 S. 240 mm
KNOSONSTTEXT: .95845700
Einband: Kartoniert
Sprache: Deutsch

Alle Preise inkl. MwSt., innerhalb Deutschlands liefern wir immer versandkostenfrei. Informationen zum Versand ins Ausland.

* Der Gutschein ist nur heute gültig, Mindestbestellwert 15,- EUR. Der Gutschein gilt für Kalender, Hörbücher, Englische Bücher & Filme und kann nicht für preisgebundene Artikel wie Bücher (gesetzliche Buchpreisbindung) geltend gemacht werden. Lieferung portofrei innerhalb Deutschlands. Gutschein kann nur einmal eingelöst werden und ist nicht mit weiteren Gutscheinen kombinierbar.

Kostenloser Versand*

innerhalb eines Werktages

OHNE RISIKO

30 Tage Rückgaberecht

Käuferschutz

mit Geld-Zurück-Garantie