Vítáme Vás, můžete se přihlásit nebo vytvořit účet.

Cart

product (empty)

Košík je prázdný

Zboží celkem: 0 Kč

Termín obdržení zásilky
Dodací doba je ovlivněna statním svátkem ( 25.12, 26.12, 01.01 )
Česká pošta	Úterý 31.12
PPL	Úterý 31.12
Osobní odběr	Čtvrtek 02.01
Termíny jsou pouze orientační a mohou se lišit podle zvoleného typu platby. O Průběhu zásilky Vás budeme informovat e-mailem.
Při nákupu většího množství produktů negarantujeme dodání do zobrazeného data

Einführung in TensorFlow

12 %

729 Kč 832 Kč

Odesíláme do 3 až 5 dní

Sleva až 70% u třetiny knih

Popis knihy

Deep-Learning-Netze, die mit großen Datenmengen trainiert werden, lösen komplexe Aufgaben mit erstaunlicher Genauigkeit. Dieses Buch ist eine praktische Einführung in TensorFlow, die führende Open-Source-Softwarebibliothek zum Erstellen und Anlernen von Deep-Learning-Netzen - zum Beispiel für die Sprach- und Bilderkennung, die Verarbeitung natürlicher Sprache (NLP) oder die vorhersagende Datenanalyse. Es bietet einer technisch orientierten Leserschaft einen praktischen Zugang zu den Grundlagen von TensorFlow - von Datenanalytikern und Ingenieuren bis hin zu Studenten und Wissenschaftlern. Zunächst starten Sie mit einigen einfachen Beispielaufgaben mit TensorFlow, anschließend tauchen Sie tiefer in Themen ein wie die Architektur neuronaler Netze, die Visualisierung mit TensorBoard, Abstraktionsbibliotheken für TensorFlow oder Multithread-Pipelines zur Dateneingabe. Wenn Sie dieses Buch durchgearbeitet haben, sind Sie in der Lage, Deep-Learning-Systeme in TensorFlow zu erstellen und im Produktvertrieb einzusetzen. Aus dem Inhalt: - Steigen Sie schnell in die Benutzung von TensorFlow ein. - Lernen Sie von der Pike auf, Deep-Learning-Systeme mit TensorFlow zu modellieren. - Trainieren Sie verbreitete Deep-Learning-Modelle für Computer Vision und Sprachverarbeitung. - Entwickeln Sie schneller und einfacher mit Hilfe von Abstraktionsbibliotheken. - Erfahren SIe, wie Sie TensorFlow skalieren und das Anlernen von Modellen auf Cluster verteilen. - Setzen Sie TensorFlow unter Produktivbedingungen ein.