Was steckt hinter Deep Learning und warum erhält das Thema Deep Learning so viel Aufmerksamkeit? Deep Learning hat einen bislang beispiellosen Grad an Genauigkeit erreicht – bis zu einem Punkt, an dem Deep-Learning-Algorithmen die menschliche Leistung beim Klassifizieren von Bildern übertreffen und der weltbeste GO-Spieler geschlagen werden kann.
Bei der konkreten Anwendung von Deep Learning steht der Anwender aber zunächst vor einer Reihe von Fragen.
Wo sollte man anfangen, an welchen Punkten im Projekt bietet Deep Learning einen Mehrwert? Ist es sinnvoll Deep Learning Modelle zu nutzen oder kann man die gleichen Ergebnisse mit Machine Learning Techniken erreichen? Ist es besser ein neues Neuronales Netz zu erstellen oder ein bestehendes vortrainiertes Netzwerk für die Bildklassifikation zu nutzen? Welches Deep Learning Framework sollte man nutzen?
Das E-Book vermittelt die wesentlichen Grundlagen und gibt Ihnen Hilfestellungen und Tipps zu diesen Fragestellungen. Sie müssen für den Einstieg in Deep Learning kein Experte sein, die Grundlagen haben Sie schnell im Griff.
Lesen Sie das E-Book und erfahren Sie mehr über:
- Machine Learning vs. Deep Learning
- Faltende neuronale Netze (Convolutional Neural Networks, CNNs)
- Verwendung von vortrainierten neuronalen Netzen wie AlexNet zur Bildklassifikation
- Zugang zu Beispielen, Tutorials und Software, um Deep Learning selbst auszuprobieren
Weitere Informationen
MATLAB für Deep Learning
Entdecken Sie MATLAB-Lösungen für Deep Learning mit Videos, Produkteigenschaften, Beispielen und Modellen.
Deep Learning Onramp
Der schnelle Einstieg in Deep-Learning-Methoden zur Durchführung von Bilderkennung.
Praxisbeispiele zu Deep Learning mit MATLAB
Die drei Ansätze zum Trainieren eines Deep Learning neuronalen Netzwerkes kennenlernen: Ein Netzwerk von Grund auf trainieren, Transfer-Learning, Semantische Segmentierung.
