Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow. Aurélien Géron
rel="nofollow" href="#ud63a0eae-8a8f-4ad9-b2e2-8643166e259f">Vorverarbeitungsschichten von Keras
Das TensorFlow-Datasets-(TFDS-)Projekt
14Deep Computer Vision mit Convolutional Neural Networks
Der Aufbau des visuellen Cortex
Ein ResNet-34-CNN mit Keras implementieren
Vortrainierte Modelle aus Keras einsetzen
Vortrainierte Modelle für das Transfer Learning
Klassifikation und Lokalisierung
15Verarbeiten von Sequenzen mit RNNs und CNNs
Rekurrente Neuronen und Schichten
Ein einfaches RNN implementieren
Mehrere Zeitschritte vorhersagen
Gegen instabile Gradienten kämpfen
Das Problem des Kurzzeitgedächtnisses
16Natürliche Sprachverarbeitung mit RNNs und Attention
Shakespearesche Texte mit einem Character-RNN erzeugen
Den Trainingsdatensatz erstellen
Wie ein sequenzieller Datensatz aufgeteilt wird
Den sequenziellen Datensatz in mehrere Fenster unterteilen
Das Char-RNN-Modell bauen und trainieren
Einen gefälschten Shakespeare-Text erzeugen
Vortrainierte Embeddings wiederverwenden
Ein Encoder-Decoder-Netzwerk für die neuronale maschinelle Übersetzung