Vorwort
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Was steht in diesem Buch?
Die ersten vier Kapitel dieses Buches konzentrieren sich auf genügend Theorie und Grundlagen, um dir, dem Praktiker, eine Arbeitsgrundlage für den Rest des Buches zu geben. Die letzten fünf Kapitel bauen dann auf diesen Konzepten auf und führen dich durch eine Reihe praktischer Wege des Deep Learning mit DL4J:
- Tiefe Netzwerke aufbauen
- Erweiterte Tuning-Techniken
- Vektorisierung für verschiedene Datentypen
- Deep Learning Workflows auf Spark ausführen
DL4J als Abkürzung für Deeplearning4j
Wir verwenden die Namen DL4J und Deeplearning4j in diesem Buch synonym. Beide Begriffe beziehen sich auf die Tools der Deeplearning4j-Bibliothek.
Wir haben das Buch auf diese Weise konzipiert, weil wir das Gefühl hatten, dass ein Buch benötigt wird, das "genug Theorie" abdeckt und gleichzeitig praktisch genug ist, um Deep-Learning-Workflows der Produktionsklasse aufzubauen. Wir sind der Meinung, dass dieser hybride Ansatz des Buches gut zu diesem Bereich passt.
Kapitel 1 ist ein Überblick über die Konzepte des maschinellen Lernens im Allgemeinen und des Deep Learning im Besonderen, um jedem Leser die Grundlagen zu vermitteln, die er zum Verständnis des restlichen Buches benötigt. Wir haben dieses Kapitel hinzugefügt, weil viele Anfänger eine Auffrischung oder eine Einführung in diese Konzepte gebrauchen können und wir das Projekt ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access