Ebook-Download Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala
Currently, when you have another suggestion to select guide, what you can do? It will certainly be better and simpler to find Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow Und Spark Eigene Deep-Learning-Anwendungen Erstellen, By Ramon Wartala in this site because we give you the direct link to go to guide website. It will certainly be a lot easier and faster to get it. Below, soft data will truly help you to conserve and read it each time you want. Naturally, it will not restrict you to review it in specific place.
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala
Ebook-Download Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala
Der Erfolg lässt sich durch Prozess begonnen werden. Eines der Verfahren, die wirklich dringend und auch kritisch sind, ist durch Bücher heraus überprüfen. Warum lesen sollte? Lesen verwandelt sich in eine der bequemsten Methoden, um das Know-how zu erhalten, um das Experiment zu verbessern, und auch frei, die Beweggründe zu bekommen. Anleitung, die gelesen werden müssen, sind auch unterschiedlich. Allerdings wird es sicherlich auf die Situationen verlassen, die Sie verbinden.
Ja, auch das ist ein brandneues kommendes Buch; es bedeutet natürlich nicht, dass wir es nur selten anbieten. Sie wissen, dass in dieser Situation Sie das Buch, indem Sie auf den Web-Link erhalten. Der Web-Link gelangen Sie direkt die weichen Dokumente von Führungs bequem und auch direkt zu erhalten. Es wird wirklich entlasten Sie Ihren Weg DDD zu erhalten, auch kann man nicht überall hingehen. Nur Aufenthalt im Büro oder zu Hause sowie erhalten einfach mit Ihrem Web-Befestigung. Das ist einfach, schnell und verließ sich auf.
Derzeit könnten erkennen Sie auch, dass diese Veröffentlichung in erster Linie für die Leser nicht nur, die dieses Thema genießen empfohlen. Dies ist ebenfalls für alle Menschen beworben sowie öffentliche Art Kultur. Es wird sicherlich nicht beschränken zu prüfen, oder auf andere Weise das Buch. Doch wenn Sie tatsächlich begonnen haben oder begonnen DDD zu lesen, werden Sie wissen, warum gerade das Buch werden Sie sicherlich al e positive Punkte.
Wenn Sie es Extra-Seiten überprüft haben, werden Sie sicherlich eine wachsende Zahl von wieder erkennen. Zusätzlich, wenn Sie alle fertig ausgecheckt haben. Das ist Ihre Zeit immer zu bedenken und tun genau das, was die Lehre und auch Erfahrung dieses Buch zu Ihnen verwendet. Von diesem Problem sollten Sie wissen, dass jedes Buch verschiedene Verfahren ahs die Auswirkungen auf alle Besucher. Allerdings werden sie sein und sollte auch. Dies ist genau das, was die DDD liefert Ihnen immer Lektion es in Bezug auf.
Autorenkommentar
Ramon Wartala ist Diplom-Informatiker und arbeitet als Senior Big Data Architect bei Tchibo in Hamburg. Er publiziert seit mehr als 20 Jahren regelmäßig in führenden deutschen Fachzeitschriften über die Themen Softwareentwicklung und Big Data und hat Bücher zu Ruby on Rails und zu Hadoop geschrieben. Als Spark und Hadoop-Enthusiast sucht er auf Meetups und Konferenzen regelmäßig den Austausch mit Gleichgesinnten.
Über den Autor und weitere Mitwirkende
Ramon Wartala ist Diplom-Informatiker und arbeitet als Senior Big Data Architect bei Tchibo in Hamburg. Er publiziert seit mehr als 20 Jahren regelmäßig in führenden deutschen Fachzeitschriften über die Themen Softwareentwicklung und Big Data und hat Bücher zu Ruby on Rails und zu Hadoop geschrieben. Als Spark und Hadoop-Enthusiast sucht er auf Meetups und Konferenzen regelmäßig den Austausch mit Gleichgesinnten.
Produktinformation
Taschenbuch: 226 Seiten
Verlag: O'Reilly; Auflage: 1 (27. November 2017)
Sprache: Deutsch
ISBN-10: 3960090544
ISBN-13: 978-3960090540
Größe und/oder Gewicht:
16,4 x 1,7 x 23,8 cm
Durchschnittliche Kundenbewertung:
2.8 von 5 Sternen
13 Kundenrezensionen
Amazon Bestseller-Rang:
Nr. 186.298 in Bücher (Siehe Top 100 in Bücher)
Leider befinden sind in dem Buch, sowie dem zugehörigen Pyhton-Code auf github sehr viele Fehler.Meiner Meinung nach werden auch viele Passagen schlampig erklärt.Der Grnd warum ich dennoch 3 Sterne vergebe ist, dass ich trotz allem einige interssante Aspekte gewinnen konnte.Ebenfalls könnte ich sehr viele Erkenntisse beim Debuggen gewinnen :D.Ich bereue den Kauf nicht, jedoch gehört dieses Buch nicht zu meinen Favoriten in diesem Themengebiet.
Der Autor ist zwar um einen schnellen Einstieg bemüht, dessen Wirkung aber rasch verpufft, weil zu viel vor allem mathematisches und KI-Vorwissen vorausgesetzt wird. Das Kapitel 2 ist eigentlich nicht zu gebrauchen. Praktische Beispiele mit zunächst nutzlos erscheinenden Problemlösungen werden viel zu früh vorgestellt und verwirren den Leser. Dabei sind die Erläuterungen so knapp und z.T. auch lückenhaft, dass ein Einsteiger diese kaum verstehen oder nachvollziehen kann. Besonders die Abbildungen zum CNN sind zum Teil viel zu klein und unübersichtlich. Fußnoten mit Erklärungen, Verweisen oder wirklichen guten Internetquellen täten diesem Buch sehr gut.Insgesamt wirkt das Buch eher bemüht und erfordert viel Recherche. Für Laien nicht zu empfehlen und für Fortgeschrittene nicht gut genug.
Ich kann dieses Buch nicht empfehlen. Insgesamt sind sowohl im Buch als auch in der bereitgestellten Software zu viele Fehler enthalten, als dass es eine effiziente und schnelle Einarbeitung in den Themenkomplex ermöglichen würde. Für einen Verlag wie O'Reilly sollte so ein Buch eigentlich ein "no go" sein. Schade!
Ich warte schon seit einiger Zeit auf ein gutes deutsches Werk zu diesem Thema, jedoch kann mich dieses Buch leider nicht überzeugen. Die Kapitel, die sich mit der Historie der KI und aktuellen Produktbeispielen beschäftigen, sind informativ und recht ausführlich dargestellt. Die komplexen und tatsächlich relevanten Sachverhalte werden dahingegen meist nur sehr kurz und knapp behandelt. Schade.
Um ein Verständnis für Deep Learning und die damit verbunden Herausforderungen zu bekommen, reicht es nicht aus, sich nur mit den mathematischen Konzepten dahinter zu beschäftigen. Vielmehr ist es notwendig, auch ein Verständnis von den skalierbaren cloudbasierten Architekturen und der Vielzahl von möglichen Technologien zu erlangen.Genau hier schließt das Buch auf einzigartige Art und Weise die Lücke, die sich zwischen den gängigen Online-Kursen und Programmierbüchern und der Praxis auftut.Der Leser bekommt nicht nur einen guten Überblick über State-of-the Art Deep Learning Anwendungen sondern taucht mit Caffe und Tensor Flow gleich in zwei bekannte Frameworks ein. Praktische Aspekte wie das Verteilen von Anwendungen werden genauso erläutert wie das Konzept von Docker Container.Besonders gefallen hat mir, dass zu dem Buch auch ein Docker Container mit diversen vorinstallierten Komponenten (Python, Caffe, TensorFLow, Hadoop, Spark, AWS CLI, Google Cloud SDK) bereitgestellt wird. Somit kann man gleich starten und das gelesene ausprobieren ohne sich selbst lange mit Installation und Konfiguration beschäftigen zum müssen.Ich bin begeistert von der Bandbreite an Wissen und Konzepten, die hier auf einfache und verständliche Art und Weise vermittelt werden, und geben dem Buch 5 Sterne!
Der Autor versteht es meiner Ansicht nach sehr gut, einen praktischen Einstieg in das Thema Deep Learning zu bieten. Es werden dabei genug Grundlagen vermittelt, um bestehendes Wissen noch einmal in Erinnerung zu rufen, oder die relevanten Stellen auf Basis der genannten Stichworte und Konzepte selbstständig nachzuschlagen. Im nächsten Schritt kann dann anhand vieler Beispiele direkt in die Nutzung der verschiedenen Frameworks eingestiegen werden, so dass ein guter Überblick und Vergleich geschaffen wird. Auf dieser Basis kann der Leser dann selbstständig die jeweiligen Frameworks anwenden und nach dem weichen Einstieg in ein komplexes Thema schrittweise sein Wissen ausbauen.
Das Buch scheint oberflächlich erstmal ganz ok, wenn man es sich aber detailierter ansieht, muss man leider feststellen, dass dort viele Fehler sind. Man kann damit also den Grundgedanken des Deep Learnings erarbeiten. Für die technische Umsetzung muss man andere Werke nutzen oder viel Fehlerkorrektur betreiben. So wird zum Beispiel in Kapitel 2 die XOR-Schaltung definiert durch die Tabellex1 | x2 | XOR0 | 0 | 00 | 1 | 01 | 0 | 11 | 1 | 1Das ist natürlich nicht korrekt und beruht darauf, dass der Autor an der Stelle ein zweischichtiges neuronales Netz beschreiben möchte, jedoch nur ein einschichtiges neuronales Netz implementiert und dieses eben nicht in der Lage ist, die XOR Schaltung zu realisieren. Wenn man die Tabelle anpasst, merkt man dann auch, dass das Netz es eben nicht umsetzen kann. Ähnliche Fehler findet man leider häufiger.3 Sterne gibt es dafür, dass ein recht gutes Gesamtbild vermittelt wird. So werden neben den Frameworks auch nützliche Tools vorgestellt und Verfahren zur Erhebung von Daten erklärt.
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala PDF
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala EPub
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala Doc
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala iBooks
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala rtf
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala Mobipocket
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala Kindle
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala PDF
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala PDF
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala PDF
Praxiseinstieg Deep Learning: Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen, by Ramon Wartala PDF
This post was written by: Author Name
Your description comes here!
Posting Komentar