Deep Learning für Programmierer mit fastai und PyTorch

Deep Learning wird oft als exklusive Domäne von promovierten Mathematikern und großen Technologieunternehmen angesehen. Aber wie dieser praktische Leitfaden zeigt, können Programmierer, die mit Python vertraut sind, mit wenig mathematischem Hintergrundwissen, kleinen Datenmengen und minimalem Code beeindruckende Ergebnisse beim Deep Learning erzielen. Wie das geht? Mit fastai, der ersten Bibliothek, die eine einheitliche Schnittstelle zu den am häufigsten verwendeten Deep Learning-Anwendungen bietet.

Die Autoren Jeremy Howard und Sylvain Gugger, die Erfinder von fastai, zeigen dir, wie du mit fastai und PyTorch ein Modell für eine Vielzahl von Aufgaben trainieren kannst. Außerdem tauchst du immer tiefer in die Deep-Learning-Theorie ein, um die Algorithmen hinter den Kulissen vollständig zu verstehen.

• Trainiere Modelle für Computer Vision, natürliche Sprachverarbeitung, tabellarische Daten und kollaborative Filterung
• Lerne die neuesten Deep-Learning-Techniken, die in der Praxis am wichtigsten sind
• Verbessere die Genauigkeit, Geschwindigkeit und Zuverlässigkeit, indem du verstehst, wie Deep-Learning-Modelle funktionieren
• Entdecke, wie du deine Modelle in Webanwendungen umsetzen kannst
• Deep-Learning-Algorithmen von Grund auf implementieren
• Berücksichtige die ethischen Implikationen deiner Arbeit
• Erhalte Einblicke in das Vorwort von PyTorch-Mitbegründer Soumith Chintala