Kapitel 7. Praktische Tools, Tipps und Tricks
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Dieses Kapitel von enthält Material, das uns, deinen Autoren, bei unserer beruflichen Arbeit und bei der Arbeit an diesem Buch begegnet ist, vor allem beim Experimentieren. Das Material, das hier behandelt wird, passt nicht unbedingt in ein einzelnes Kapitel; es ist vielmehr Material, das Deep Learning-Praktiker/innen bei einer Vielzahl von Aufgaben tagtäglich nützlich sein kann. Passend zum Thema "Praxis" decken diese Fragen eine Reihe hilfreicher pragmatischer Richtlinien ab, z. B. zur Einrichtung einer Umgebung, zum Training, zur Interoperabilität von Modellen, zur Datenerfassung und -kennzeichnung, zur Codequalität, zur Verwaltung von Experimenten, zur Zusammenarbeit im Team, zum Datenschutz und zu weiteren Forschungsthemen.
Da sich das Feld der Künstlichen Intelligenz so schnell verändert, ist dieses Kapitel nur ein kleiner Teil des "lebenden" Dokuments, das auf dem Github-Repository des Buches (siehe http://PracticalDeepLearning.ai) unter code/chapter-9 gehostet ist und dort ständig weiterentwickelt wird. Wenn du weitere Fragen hast oder, noch besser, Antworten, die anderen Lesern helfen könnten, kannst du sie @PracticalDLBook tweeten oder einen Pull Request einreichen.
Installation
F: Ich bin auf ein interessantes und nützliches Jupyter Notebook auf GitHub gestoßen. Um den Code zum Laufen zu ...
Get Praktisches Deep Learning für Cloud, Mobile und Edge now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
