Grundprinzipien und Konzepte neuronaler Netze systematisch und verstandlich erklart- Deep-Learning-Grundlagen fr Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning- Implementierung der Deep-Learning-Konzepte mit dem beliebten Framework PyTorch- Zahlreiche Codebeispiele in Python verdeutlichen die konkrete UmsetzungDieses Buch vermittelt Ihnen das konzeptionelle und praktische Rstzeug, um ein tiefes Verstndnis fr die Funktionsweise neuronaler Netze zu bekommen. Sie lernen die Grundprinzipien des Deep Learning kennen, zu deren Veranschaulichung Seth Weidman gut nachvollziehbare Konzeptmodelle entwickelt hat, die von Codebeispielen begleitet werden. Das Buch eignet sich fr Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning. Sie beginnen mit den Basics des Deep Learning und gelangen schnell zu den Details fortgeschrittener Architekturen, indem Sie deren Aufbau von Grund auf neu implementieren. Dabei lernen Sie mehrschichtige neuronale Netze wie Convolutional und Recurrent Neural Networks kennen. Diese neuronalen Netzwerkkonzepte setzen Sie dann mit dem beliebten Framework PyTorch praktisch um. Auf diese Weise bauen Sie ein fundiertes Wissen darber auf, wie neuronale Netze mathematisch, rechnerisch und konzeptionell funktionieren.
