Generatives Deep Learning

Generative Modelle haben sich zu einem der spannendsten Themenbereiche der Kunstlichen Intelligenz entwickelt: Mit generativem Deep Learning ist es inzwischen moglich, einer Maschine das Malen, Schreiben oder auch das Komponieren von Musik beizubringen - kreative Fahigkeiten, die bisher dem Menschen vorbehalten waren. Mit diesem praxisnahen Buch konnen Data Scientists einige der eindrucksvollsten generativen Deep-Learning-Modelle nachbilden, wie z.B. Generative Adversarial Networks (GANs), Variational Autoencoder (VAEs), Encoder-Decoder- sowie World-Modelle. David Foster vermittelt zunchst die Grundlagen des Deep Learning mit Keras und veranschaulicht die Funktionsweise jeder Methode, bevor er zu einigen der modernsten Algorithmen auf diesem Gebiet vorstt. Die zahlreichen praktischen Beispiele und Tipps helfen Ihnen herauszufinden, wie Ihre Modelle noch effizienter lernen und noch kreativer werden knnen. - Entdecken Sie, wie Variational Autoencoder den Gesichtsausdruck auf Fotos verndern knnen- Erstellen Sie praktische GAN-Beispiele von Grund auf und nutzen Sie CycleGAN zur Stilbertragung und MuseGAN zum Generieren von Musik- Verwenden Sie rekurrente generative Modelle, um Text zu erzeugen, und lernen Sie, wie Sie diese Modelle mit dem Attention-Mechanismus verbessern knnen- Erfahren Sie, wie generatives Deep Learning Agenten dabei untersttzen kann, Aufgaben im Rahmen des Reinforcement Learning zu erfllen- Lernen Sie die Architektur von Transformern (BERT, GPT-2) und Bilderzeugungsmodellen wie ProGAN und StyleGAN kennen&quote;Dieses Buch ist eine leicht zugngliche Einfhrung in das Deep-Learning-Toolkit fr generatives Modellieren. Wenn Sie ein kreativer Praktiker sind, der es liebt, an Code zu basteln, und Deep Learning fr eigene Aufgaben nutzen mchte, dann ist dieses Buch genau das Richtige fr Sie.&quote;- David Ha, Research Scientist bei Google Brain

David Foster ist Mitbegründer von Applied Data Science, einem Beratungsunternehmen für Datenanalyse, das innovative Lösungen für Kunden anbietet. Er hat einen M.A. in Mathematik vom Trinity College, Cambridge, UK, und einen M.Sc. in Operational Research von der britischen University of Warwick.