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.
Dazu zählen tiefe Feedforward-Netze, Regularisierung, Performance-Optimierung sowie CNNs, Rekurrente und Rekursive Neuronale Netze.
In Teil III geben die Autoren Einblick in aktuelle Forschungsansätze und zeigen neue zukunftsweisende Verfahren auf.
Thema sind dabei auch von Ian Goodfellow neu entwickelte Konzepte wie Generative Adversarial Networks.
%0 Book
%1 GoodfellowBengioCourville18
%A Goodfellow, Ian
%A Bengio, Yoshua
%A Courville, Aaron
%D 2018
%I MITP
%K 01901 103 ai algorithm book learn numerical theory
%T Deep Learning
%X 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.
Dazu zählen tiefe Feedforward-Netze, Regularisierung, Performance-Optimierung sowie CNNs, Rekurrente und Rekursive Neuronale Netze.
In Teil III geben die Autoren Einblick in aktuelle Forschungsansätze und zeigen neue zukunftsweisende Verfahren auf.
Thema sind dabei auch von Ian Goodfellow neu entwickelte Konzepte wie Generative Adversarial Networks.
%@ 978-3-95845-700-3
@book{GoodfellowBengioCourville18,
abstract = {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.
Dazu zählen tiefe Feedforward-Netze, Regularisierung, Performance-Optimierung sowie CNNs, Rekurrente und Rekursive Neuronale Netze.
In Teil III geben die Autoren Einblick in aktuelle Forschungsansätze und zeigen neue zukunftsweisende Verfahren auf.
Thema sind dabei auch von Ian Goodfellow neu entwickelte Konzepte wie Generative Adversarial Networks.},
added-at = {2018-11-02T19:31:38.000+0100},
author = {Goodfellow, Ian and Bengio, Yoshua and Courville, Aaron},
biburl = {https://www.bibsonomy.org/bibtex/23adb217d431af77e56a4bbc99bb4a0c6/flint63},
file = {2018/GoodfellowBengioCourville18.pdf},
interhash = {a140500a611216dc3fd1dde10f84912d},
intrahash = {3adb217d431af77e56a4bbc99bb4a0c6},
isbn = {978-3-95845-700-3},
isbn10 = {3958457002},
keywords = {01901 103 ai algorithm book learn numerical theory},
language = {german},
location = {Frechen},
origdate = {2017},
origlanguage = {american},
origlocation = {Cambridge, MA},
origpublisher = {MIT Press},
origtitle = {Deep Learning},
owner = {flint},
publisher = {MITP},
related = {GoodfellowBengioCourville17},
shop = {https://mitp.de/700},
sortdate = {2018-11-01},
subtitle = {Das umfassende Handbuch},
timestamp = {2018-11-02T19:31:38.000+0100},
title = {Deep Learning},
titleaddon = {Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze},
year = 2018
}