iX Developer Machine Learning (eBook)

Bessere Modelle, produktiver Einsatz

iX Developer Redaktion (Autor)

eBook Download: PDF

2020
148 Seiten
Heise Medien (Verlag)
978-3-95788-282-0 (ISBN)

Infos

Machine Learning hat in den letzten Jahren so rasante technische Fortschritte gemacht wie kaum ein anderer Bereich der IT. Zahlreiche Open-Source-Werkzeuge stehen Entwicklerinnen und Entwicklern zur Verfügung. Neben den Frameworks wie TensorFlow und PyTorch existieren konkrete Methoden für spezifische Anwendungsbereiche wie BERT und Word2vec bei der Textanalyse oder YOLO zur Objektdetektion.

Das iX-Developer-Sonderheft "Machine Learning: Bessere Modelle, produktiver Einsatz" trägt der rasanten Entwicklung als Fortführung des Machine-Learning-Sonderhefts von 2018 Rechnung. Es beleuchtet die jüngsten Entwicklungen im Bereich der großen Frameworks, der Data-Science-Bibliotheken von Python sowie zahlreiche Methoden und Algorithmen. Das Heft bietet vor allem einen breiten Praxisteil mit konkreten Anwendungen in der Textanalyse und für die Zeitreihenvorhersage sowie mit einem dreiteiligen Tutorial zur Bildanalyse.

Autor

Seit rund zehn Jahren bieten die iX-Developer-Sonderhefte einen zeitgemäßen Querschnitt zu den wichtigsten Trends der Softwareentwicklung. Die Redaktionen von heise Developer und iX gewähren mit ihrer journalistisch-neutralen und akribischen Arbeit immer wieder aufs Neue hochklassige Hefte, die Entwicklern hilfreiche Tipps für die Praxis bieten.

Inhalt

6 Unsupervised Learning: Methoden und Einsatz
16 Experimente für Reinforcement Learning
24 Long Short-Term Memory für Geschäftsanwendungen
30 Erklärbarkeit und Fairness
34 Ein Streifzug durch die PyData-IT-Landschaft
40 TensorFlow 2.0 und Keras: Imperative Modellentwicklung
44 PyTorch als Alternative zu TensorFlow
48 Data Version Control im Team mit Open-Source-Werkzeugen
54 Machine Learning für IoT und Mobile
60 Vom Modell zum produktiven Einsatz
64 Machine Learning as a Service
70 Hardwarebeschleuniger für neuronale Netze
76 Julia – eine differenzierbare Programmiersprachefür ML
84 Word Embeddings: Theorie und Beispielanwendung
94 Textanalyse mit BERT
100 Methoden für Zeitreihenvorhersagen
108 Deep-Learning-Tutorial Bildanalyse:
108 Teil 1: Bilder für das Modelltraining aufbereiten
114 Teil 2: Trainieren des Modells
120 Teil 3: Einsatz auf der Zielhardware
126 Machine Learning zur Schadcode-Erkennung
129 Recommender-Systeme in der Praxis
137 Gefahren durch Angriffe auf KI
140 Neuronale Netze: Angriffe und Verteidigung
143 Datenschutz und Urheberrecht bei der KI-Entwicklung

Produkt-Details

• Erscheint lt. Verlag: 5.12.2020
• Verlagsort: Hannover
• Sprache: deutsch
• Themenwelt: Mathematik / Informatik ► Mathematik ► Statistik
• Themenwelt: Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik
• Schlagworte: Bert • Cloud-Dienste • Data Version Control • Datenschutz • Deep learning • KI • Künstliche Intelligenz • LSTM • machine learning • MLaaS • Neuronale Netze • NumPy • Pandas • Programmiersprache Julia • PyData • PyTorch • Recommernder-Systeme • Reinforcement Learning • tensorflow • Unsupervised Learning • word2vec • YOLO
• ISBN-10: 3-95788-282-6 / 3957882826
• ISBN-13: 978-3-95788-282-0 / 9783957882820