TensorFlow für Dummies. (2018)

• Record Type: Book
• Further Information: Note: Matthew Scarpino ; übersetzung aus dem amerikanischen von Simone Linke.
• Authors: Scarpino, Matthew, 1975-
• Other Names: Linke, Simone translator.
• Contents: Intro; Titelei; Über den Autor; Widmung; Danksagung des Autors; Einführung; Über dieses Buch; Törichte Annahmen über die Leser; Symbole, die in diesem Buch verwendet werden; Über das Buch hinaus; Wie es weitergeht; Teil I: Erste Schritte mit TensorFlow; Kapitel 1: Maschinelles Lernen und TensorFlow; Was ist maschinelles Lernen?; Geschichte des maschinellen Lernens; Statistische Regression; Nachahmung des Gehirns; Steter Fortschritt; Revolutionäre Rechenkapazitäten; Big Data und Deep Learning; Frameworks für maschinelles Lernen; Torch; Theano; Caffe; Keras; TensorFlow Kapitel 2: Ihr erstes TensorFlow-ProgrammInstallation von TensorFlow; Python und pip/pip3; Installation unter Mac OS; Installation unter Linux; Installation unter Windows; Das TensorFlow-Verzeichnis; Ausführung Ihres ersten Programms; Ein Blick auf die Codebeispiele; Hallo TensorFlow!; Stilvorgaben; Kapitel 3: Tensoren und Operationen; Tensoren erzeugen; Tensoren mit bekannten Werten erzeugen; Die constant-Funktion; zeros, ones und fill; Tensoren mit Wertsequenzen; Tensoren mit zufälligen Werten erzeugen; Transformation von Tensoren; Operationen erzeugen Grundlegende mathematische OperationenRundungen und Vergleiche; Exponenten und Logarithmen; Vektor- und Matrixoperationen; Von der Theorie zur Praxis; Kapitel 4: Graphen und Sitzungen; Aufbau von Graphen; Zugriff auf Daten eines Graphen; GraphDef-Objekte erzeugen; Sitzungen erzeugen und ausführen; Sitzungen erzeugen; Sitzungen ausführen; Interaktive Sitzungen; Protokolle (Logs) erstellen; Daten mit TensorBoard visualisieren; TensorBoard ausführen; Zusammenfassungsdaten generieren; Benutzerdefinierte Zusammenfassungen; Zusammenfassungsdaten schreiben; Von der Theorie zur Praxis Kapitel 5: TrainingTraining in TensorFlow; Entwurf des Modells; Variablen und ihre Nutzung; Variablen erzeugen; Variablen initialisieren; Den Verlust berechnen; Verlustminimierung durch Optimierung; Die Optimizer-Klasse; Der GradientDescentOptimizer; Der MomentumOptimizer; Der AdagradOptimizer; Der AdamOptimizer; Daten in eine Sitzung einspeisen; Platzhalter erzeugen; Das Dictionary für die Dateneinspeisung erstellen; Stochastizität; Steps und Epochen; Variablen speichern und wiederherstellen; Variablen speichern; Variablen wiederherstellen; SavedModels nutzen Eine SavedModel-Instanz speichernEine SavedModel-Instanz laden; Von der Theorie zur Praxis; Den Trainingsprozess visualisieren; Session-Hooks; Hooks erzeugen; Eine MonitoredSession erzeugen; Von der Theorie zur Praxis; Teil II: Maschinelles Lernen implementieren; Kapitel 6: Datenanalyse mit statistischer Regression; Analyse von Systemen mittels Regression; Lineare Regression: Eine Gerade für Datenpunkte; Polynomielle Regression: Ein Polynom für Datenpunkte; Binäre logistische Regression: Daten in zwei Kategorien; Beschreibung des Problems; Definition von Modellen mit der logistischen Funktion
• Publisher Details: Krefeld, Germany : John Wiley and Sons, Inc Wiley-VCH
• Publication Date: 2018
• Extent: 1 online resource
• Subjects: 006.31; Machine learning; Artificial intelligence; COMPUTERS / General; Electronic books
• Languages: German
• ISBNs: 9783527818969; 3527818960
• Related ISBNs: 9783527715473
• Notes: Note: Online resource; title from PDF title page (EBSCO, viewed November 28, 2018).
• Access Rights: Legal Deposit; Only available on premises controlled by the deposit library and to one user at any one time; The Legal Deposit Libraries (Non-Print Works) Regulations (UK).
• Access Usage: Restricted: Printing from this resource is governed by The Legal Deposit Libraries (Non-Print Works) Regulations (UK) and UK copyright law currently in force.