Was Sie erwartet

Dieses Buch ist so aufgebaut, dass es ein progressives Lernerlebnis im Deep Learning mit Python bietet. Wichtige Erkenntnisse sind:

• Grundlegende Konzepte des Deep Learning und wie es sich vom traditionellen maschinellen Lernen unterscheidet.
• Schritt-für-Schritt-Anleitungen zum Erstellen und Trainieren neuronaler Netzwerke mit Keras.
• Convolutional Neural Networks (CNNs) zur Bilderkennung und -klassifizierung.
• Rekurrierende neuronale Netze (RNNs) und LSTMs für Sequenzmodellierung und Textverarbeitung.
• Generative Modelle wie Autoencoder und GANs.
• Praktische Python-Tutorials zum Installieren von Bibliotheken, Schreiben von Skripten und Optimieren von Deep-Learning-Workflows.

Am Ende dieses Buches verfügen die Leser sowohl über theoretisches Wissen als auch praktische Implementierungsfähigkeiten und sind so bereit, Deep-Learning-Modelle zu erstellen, einzusetzen und zu optimieren.