• Generatives Deep Learning
Cover in höchster Auflösung herunterladen

David Foster
Marcus Fraaß / Konstantin Mack (Übersetzung)

Generatives Deep Learning

Maschinen das Malen, Schreiben und Komponieren beibringen

März 2020, 310 Seiten, komplett in Farbe, Broschur
O´Reilly
ISBN Print: 978-3-96009-128-8
ISBN PDF: 978-3-96010-356-1
ISBN ePub: 978-3-96010-354-7
ISBN Mobi: 978-3-96010-355-4

Buch
39,90 €


auf Lager; Lieferung in 2-4 Tagen
E-Book (PDF + ePub + Mobi)
31,99 €

  Buch in den Warenkorb legen

Buch in den Warenkorb gelegt

 

Beschreibung

Lassen Sie Ihre Deep-Learning-Modelle kreativ werden!

  • Das Buch zeigt, wie die innovativsten Deep-Learning-Algorithmen wie Generative Adversarial Networks (GANs) und Variational Autoencoder (VAEs) funktionieren
  • Für kreative Data Scientists und Programmierer, die gerne mit Code experimentieren
  • Verwendet Python, Keras und TensorFlow

Generative Modelle haben sich zu einem der spannendsten Themenbereiche der Künstlichen Intelligenz entwickelt: Mit generativem Deep Learning ist es inzwischen möglich, einer Maschine das Malen, Schreiben oder auch das Komponieren von Musik beizubringen – kreative Fähigkeiten, die bisher dem Menschen vorbehalten waren. Mit diesem praxisnahen Buch können Data Scientists einige der eindrucksvollsten generativen Deep-Learning-Modelle nachbilden, wie z.B. Generative Adversarial Networks (GANs), Variational Autoencoder (VAEs), Encoder-Decoder- sowie World-Modelle.

David Foster vermittelt zunächst die Grundlagen des Deep Learning mit Keras und veranschaulicht die Funktionsweise jeder Methode, bevor er zu einigen der modernsten Algorithmen auf diesem Gebiet vorstößt. Die zahlreichen praktischen Beispiele und Tipps helfen Ihnen herauszufinden, wie Ihre Modelle noch effizienter lernen und noch kreativer werden können.

Aus dem Inhalt

  • Entdecken Sie, wie Variational Autoencoder den Gesichtsausdruck auf Fotos verändern können
  • Erstellen Sie praktische GAN-Beispiele von Grund auf und nutzen Sie CycleGAN zur Stilübertragung und MuseGAN zum Generieren von Musik
  • Verwenden Sie rekurrente generative Modelle, um Text zu erzeugen, und lernen Sie, wie Sie diese Modelle mit dem Attention-Mechanismus verbessern können
  • Erfahren Sie, wie generatives Deep Learning Agenten dabei unterstützen kann, Aufgaben im Rahmen des Reinforcement Learning zu erfüllen
  • Lernen Sie die Architektur von Transformern (BERT, GPT-2) und Bilderzeugungsmodellen wie ProGAN und StyleGAN kennen

»Dieses Buch ist eine leicht zugängliche Einführung in das Deep-Learning-Toolkit für generatives Modellieren. Wenn Sie ein kreativer Praktiker sind, der es liebt, an Code zu basteln, und Deep Learning für eigene Aufgaben nutzen möchte, dann ist dieses Buch genau das Richtige für Sie.« — David Ha, Research Scientist bei Google Brain

 

Zielgruppe

  • Data Scientists und Programmierer*innen, die Erfahrung mit Machine Learning haben
 

Leseproben

     

Autor / Autorin

David Foster ist Mitbegründer von Applied Data Science, einem Beratungsunternehmen für Datenanalyse, das innovative Lösungen für Kunden anbietet. Er hat einen M.A. in Mathematik vom Trinity College, Cambridge, UK, und einen M.Sc. in Operational Research von der britischen University of Warwick.

Rezensionen

"Anhand von einfachen Beispielen, die detailliert bis auf die mathematische Formelebene beschrieben sind, zeigt der Autor, welchen entscheidenden Beitrag die Wahrscheinlichkeitsrechnung bei der Erzeugung von Bildern liefert." (ekz Informationsdienst, Mai 2020)


Andere Bücher, die Sie interessieren könnten: