Einführung in TensorFlow - Deep-Learning-Systeme programmieren, trainieren, skalieren und deployen

Deep-Learning-Netze, die mit großen Datenmengen angelernt wurden, lösen komplexe Aufgaben mit erstaunlicher Genauigkeit. TensorFlow ist die führende Open-Source-Bibliothek zum Erstellen und Trainieren neuronaler Deep-Learning-Netze z.B. für die Sprach- und Bilderkennung, die Verarbeitung natürlicher Sprache (NLP) oder die vorhersagende Datenanalyse. Dieses Buch bietet einer breiten technisch orientierten Leserschaft einen praxisnahen Zugang zu den Grundlagen von TensorFlow. Sie erarbeiten zunächst einige einfache Beispielaufgaben mit TensorFlow und tauchen anschließend 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 mit TensorFlow zu erstellen und im Produktivbetrieb einzusetzen.

Tom Hope ist Forscher auf dem Gebiet des angewandten maschinellen Lernens und ein Datenanalyst mit umfangreichen Erfahrungen in der akademischen Welt und der Industrie. Er hat auf verschiedenen Anwendungsgebieten Forschungs- und Entwicklungsprojekte zu Datenanalyse und Deep Learning geleitet. Yehezkel S. Resheff forscht zu angewandter Datenanalyse. Seine Dissertation beschäftigte sich mit maschinellem Lernen und Lernmethoden für tragbare Geräte und dem Internet der Dinge. Er hat in der Vergangenheit Forschungs- und Entwicklungsprojekte zu Deep Learning bei Intel und Microsoft geleitet. Itay Lieder ist Forscher auf dem Gebiet des angewandten maschinellen Lernens und der Computer-Neurowissenschaft. Für seine Abschlussarbeit entwickelte er Algorithmen zur Modellierung  grundlegender Wahrnehmungsvorgänge. Er hat innovative Forschungs- und Entwicklungsprojekte zu Deep Learning für Textanalyse und Web-Mining bei großen internationalen Firmen geleitet.