Deep Learning mit Microsoft Azure

 
 
Rheinwerk (Verlag)
  • 1. Auflage
  • |
  • erschienen im Juni 2019
 
  • Buch
  • |
  • Softcover
  • |
  • 261 Seiten
978-3-8362-6993-3 (ISBN)
 
Auf der Azure-Plattform stellt Ihnen Microsoft eine Vielzahl an KI-Werkzeugen zur Verfügung. Diese vorkonfigurierten Dienste sowie die APIs für unterschiedliche Anwendungszwecke erleichtern Ihnen die Umsetzung eigener Deep-Learning-Projekte und verhelfen Ihnen zu einem schnellen Start in die KI-Entwicklung. Dieser praxisorientierte Guide bietet Ihnen eine übersichtliche Einführung in neuronale Netze und Machine Learning - geschrieben von Microsoft-Autoren, die an der Entwicklung der Azure-KI-Werkzeuge beteiligt waren und sie genau kennen.

Aus dem Inhalt:

  • KI, Deep Learning, Machine Learning: Eine Einführung
  • Der Deep Learning Workflow: Daten vorbereiten, Modelle trainieren, Ergebnisse auswerten
  • Einsatzgebiete und Anwendungsszenarien
  • Azure AI: Microsofts KI-Plattform
  • Cognitive Service: Visuelle Bildanalyse, Spracherkennung, Spracheingabe, Übersetzung
  • Überblick über neuronale Netze, Aktivierungsfunktionen, KI-Techniken
  • Convolutional und Recurrent Neural Networks
  • KI-Architekturen und Best Practices
  • Deutsch
  • Bonn
  • |
  • Deutschland
Rheinwerk
  • Neue Ausgabe
  • Klappenbroschur
  • Höhe: 231 mm
  • |
  • Breite: 172 mm
  • |
  • Dicke: 20 mm
  • 501 gr
978-3-8362-6993-3 (9783836269933)
weitere Ausgaben werden ermittelt


Materialien zum Buch ... 11


Über die Autoren ... 13


Vorwort ... 17


Einleitung ... 21




TEIL I Ihr Einstieg in die künstliche Intelligenz ... 25



1. Einführung in die künstliche Intelligenz ... 27


1.1 ... Microsoft und KI ... 29

1.2 ... Machine Learning ... 32

1.3 ... Deep Learning ... 36

1.4 ... Zusammenfassung ... 46



2. Überblick über Deep Learning ... 47


2.1 ... Allgemeine Netzwerkstrukturen ... 48

2.2 ... Der Deep-Learning-Workflow ... 55

2.3 ... Zusammenfassung ... 67



3. Trends im Deep Learning ... 69


3.1 ... Variationen in Netzwerkarchitekturen ... 69

3.2 ... Hardware ... 78

3.3 ... Grenzen des Deep Learnings ... 81

3.4 ... Ein Blick in die Zukunft: Was können wir von Deep Learning erwarten? ... 85

3.5 ... Zusammenfassung ... 88




TEIL II Die Azure KI-Plattform und Ihr Werkzeugkasten ... 89



4. Microsoft-KI-Plattform ... 91


4.1 ... Dienste ... 93

4.2 ... Infrastruktur ... 97

4.3 ... Tools ... 102

4.4 ... Gesamte Azure-Plattform ... 104

4.5 ... Erste Schritte mit der Deep Learning Virtual Machine ... 105

4.6 ... Zusammenfassung ... 107



5. Cognitive Services und Custom Vision ... 109


5.1 ... Vorkonfigurierte KI: Anlass und Vorgehensweise ... 109

5.2 ... Cognitive Services nutzen ... 111

5.3 ... Verfügbare Arten von Cognitive Services ... 114

5.4 ... Erste Schritte mit Cognitive Services ... 121

5.5 ... Custom Vision ... 127

5.6 ... Zusammenfassung ... 134




TEIL III KI-Netzwerke in der Praxis ... 137



6. Convolutional Neural Networks ... 139


6.1 ... Die Faltung in Convolutional Neural Networks ... 140

6.2 ... CNN-Architektur ... 146

6.3 ... Trainieren eines Klassifizierungs-CNN ... 146

6.4 ... Gründe für die Verwendung von CNNs ... 148

6.5 ... Trainieren eines CNN mit CIFAR-10 ... 149

6.6 ... Training eines tiefen CNN auf einer GPU ... 154

6.7 ... Transferlernen ... 161

6.8 ... Zusammenfassung ... 162



7. Recurrent Neural Networks ... 163


7.1 ... RNN-Architekturen ... 166

7.2 ... Trainieren von RNNs ... 169

7.3 ... Gated RNNs ... 170

7.4 ... Sequenz-zu-Sequenz-Modelle und Aufmerksamkeitsmechanismus ... 172

7.5 ... RNN-Beispiele ... 174

7.6 ... Zusammenfassung ... 181



8. Generative Adversarial Networks ... 183


8.1 ... Was sind Generative Adversarial Networks? ... 183

8.2 ... Cycle-Consistent Adversarial Networks ... 188

8.3 ... Der CycleGAN-Code ... 190

8.4 ... Netzwerkarchitektur für den Generator und den Diskriminator ... 193

8.5 ... Definieren der CycleGAN-Klasse ... 197

8.6 ... Verlust durch Unterschiede und Zyklusverlust ... 198

8.7 ... Ergebnisse ... 199

8.8 ... Zusammenfassung ... 199




TEIL IV KI-Architekturen und Best Practices ... 201



9. Trainieren von KI-Modellen ... 203


9.1 ... Trainingsoptionen ... 203

9.2 ... Beispiele zur Veranschaulichung ... 209

9.3 ... Zusammenfassung ... 227



10. Operationalisieren von KI-Modellen ... 229


10.1 ... Plattformen für die Operationalisierung ... 229

10.2 ... Übersicht über die Operationalisierung ... 239

10.3 ... Azure Machine Learning Services ... 242

10.4 ... Zusammenfassung ... 242



Anmerkungen ... 245


Index ... 257


Sofort lieferbar

39,90 €
inkl. 7% MwSt.
in den Warenkorb