Deep Learning

Author: Ian Goodfellow
Publisher: MIT Press
ISBN: 9780262035613
Release Date: 2016-11-18
Genre: Computers

An introduction to a broad range of topics in deep learning, covering mathematical and conceptual background, deep learning techniques used in industry, and research perspectives.

Neuronale Netze selbst programmieren

Author: Tariq Rashid
Publisher: O'Reilly
ISBN: 9783960101031
Release Date: 2017-05-24
Genre: Computers

Neuronale Netze sind Schlüsselelemente des Deep Learning und der Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind. Sie sind Grundlage vieler Anwendungen im Alltag wie beispielsweise Spracherkennung, Gesichtserkennung auf Fotos oder die Umwandlung von Sprache in Text. Dennoch verstehen nur wenige, wie neuronale Netze tatsächlich funktionieren. Dieses Buch nimmt Sie mit auf eine unterhaltsame Reise, die mit ganz einfachen Ideen beginnt und Ihnen Schritt für Schritt zeigt, wie neuronale Netze arbeiten: - Zunächst lernen Sie die mathematischen Konzepte kennen, die den neuronalen Netzen zugrunde liegen. Dafür brauchen Sie keine tieferen Mathematikkenntnisse, denn alle mathematischen Ideen werden behutsam und mit vielen Illustrationen und Beispielen erläutert. Eine Kurzeinführung in die Analysis unterstützt Sie dabei. - Dann geht es in die Praxis: Nach einer Einführung in die populäre und leicht zu lernende Programmiersprache Python bauen Sie allmählich Ihr eigenes neuronales Netz mit Python auf. Sie bringen ihm bei, handgeschriebene Zahlen zu erkennen, bis es eine Performance wie ein professionell entwickeltes Netz erreicht. - Im nächsten Schritt tunen Sie die Leistung Ihres neuronalen Netzes so weit, dass es eine Zahlenerkennung von 98 % erreicht – nur mit einfachen Ideen und simplem Code. Sie testen das Netz mit Ihrer eigenen Handschrift und werfen noch einen Blick in das mysteriöse Innere eines neuronalen Netzes. - Zum Schluss lassen Sie das neuronale Netz auf einem Raspberry Pi Zero laufen. Tariq Rashid erklärt diese schwierige Materie außergewöhnlich klar und verständlich, dadurch werden neuronale Netze für jeden Interessierten zugänglich und praktisch nachvollziehbar.

Praxiseinstieg Deep Learning

Author: Ramon Wartala
Publisher: O'Reilly
ISBN: 9783960101574
Release Date: 2018-01-02
Genre: Computers

Deep Learning ist ein Teilbereich des Machine Learning und basiert auf kьnstlichen neuronalen Netzen. Dieser praktische Leitfaden bietet einen schnellen Einstieg in die Schlьsseltechnologie und erschlieяt Grundlagen und Arbeitsweisen von Deep Learning. Anhand Python-basierter Beispielanwendungen wird der Umgang mit den Frameworks Caffe/Caffe2 und TensorFlow gezeigt. Einfache, alltagstaugliche Beispiele laden zum Nachprogrammieren ein. Darьber hinaus erfahren Sie, warum moderne Grafikkarten, Big Data und Cloud Computing beim Deep Learning so wichtig sind. Wenn Sie bereits mit Python, NumPy und matplotlib arbeiten, ermцglicht Ihnen dieses Buch, praktische Erfahrungen mit Deep-Learning-Anwendungen zu machen. Deep Learning – die Hintergrьnde - Lernmethoden, die Deep Learning zugrunde liegen - Aktuelle Anwendungsfelder wie maschinelle Nobersetzungen, Sprach- und Bilderkennung bei Google, Facebook, IBM oder Amazon Der Werkzeugkasten mit Docker - Der Docker-Container zum Buch: Alle nцtigen Tools und Programme sind bereits installiert, damit Sie die Beispiele des Buchs und eigene Deep-Learning-Anwendungen leicht ausfьhren kцnnen. - Die Arbeitsumgebung kennenlernen: Jupyter Notebook, Beispieldatensдtze, Web Scraping Der Praxiseinstieg - Einfьhrung in Caffe/Caffe2 und TensorFlow - Deep-Learning-Anwendungen nachprogrammieren: Handschrifterkennung, Bilderkennung und -klassifizierung, Deep Dreaming - Lцsungen fьr Big-Data-Szenarien: verteilte Anwendungen, Spark, Cloud-Systeme - Modelle in produktive Systeme ьberfьhren

Das Geheimnis des menschlichen Denkens

Author: Ray Kurzweil
Publisher: Lola Books
ISBN: 9783944203164
Release Date: 2015-07-31
Genre: Science

Der Wettlauf um das Gehirn hat begonnen. Sowohl die EU als auch die USA haben gewaltige Forschungsprojekte ins Leben gerufen um das Geheimnis des menschlichen Denkens zu entschlüsseln. 2023 soll es dann soweit sein: Das menschliche Gehirn kann vollständig simuliert werden. In "Das Geheimnis des menschlichen Denkens" gewährt Googles Chefingenieur Ray Kurzweil einen spannenden Einblick in das Reverse Engineering des Gehirns. Er legt dar, wie mithilfe der Mustererkennungstheorie des Geistes der ungeheuren Komplexität des Gehirns beizukommen ist und wirft einen ebenso präzisen wie überraschenden Blick auf die am Horizont sich bereits abzeichnende Zukunft. Ist das menschliche Gehirn erst einmal simuliert, wird künstliche Intelligenz die Fähigkeiten des Menschen schon bald übertreffen. Ein Ereignis, das Kurzweil aufgrund der bereits in "Menschheit 2.0" entworfenen exponentiellen Wachstumskurve der Informationstechnologien bereits für das Jahr 2029 prognostiziert. Aber was dann? Kurzweil ist zuversichtlich, dass die Vorteile künstlicher Intelligenz mögliche Bedrohungsszenarien überwiegen und sie uns entscheidend dabei hilft, uns weiterzuentwickeln und die Herausforderungen der Zukunft zu meistern.

Ratgeber ADHS bei Erwachsenen

Author: Elisabeth Nyberg
Publisher: Hogrefe Verlag
ISBN: 9783840922244
Release Date: 2013
Genre: Psychology

Eine Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS) ist keine Modekrankheit, wie dies in den Medien häufig dargestellt wird. Die Erkrankung gab es schon immer. Sie beginnt im Kindes- und Jugendalter und bleibt bei etwa 50% der Betroffenen auch im Erwachsenenalter bestehen. ADHS im Erwachsenenalter wird häufig nicht erkannt oder erst viel zu spät diagnostiziert, was bei den Betroffenen zu einem hohen Leidensdruck, zu einer Chronifizierung der Störung und damit verbunden zu vielfältigen Beeinträchtigungen im beruflichen und persönlichen Bereich sowie einem deutlichen Verlust an Lebensqualität führen kann. Der Ratgeber beschreibt, wie sich eine ADHS im Erwachsenenalter äussert, wie sich die Kernsymptome der ADHS entwickeln und welche Möglichkeiten der Diagnostik sowie der psychotherapeutischen und medikamentösen Behandlung zur Verfügung stehen. Der Schwerpunkt des Ratgebers liegt darauf, Betroffenen möglichst viele Selbsthilfestrategien zum Umgang mit der Symptomatik und den daraus resultierenden Problemen an die Hand zu geben, damit sie selbst mehr Kontrolle über ihre ADHS bekommen. Der Anhang enthält zudem einen Serviceteil zu Büchern, Webseiten und Organisationen, die Betroffenen weitere Informationen, z.B. zu Behandlungseinrichtungen in Wohnortnähe, vermitteln.

Machine Learning

Author: Kevin P. Murphy
Publisher: MIT Press
ISBN: 9780262018029
Release Date: 2012-08-24
Genre: Computers

A comprehensive introduction to machine learning that uses probabilistic models and inference as a unifying approach.

Deep Learning with Hadoop

Author: Dipayan Dev
Publisher: Packt Publishing Ltd
ISBN: 9781787121232
Release Date: 2017-02-20
Genre: Computers

Build, implement and scale distributed deep learning models for large-scale datasets About This Book Get to grips with the deep learning concepts and set up Hadoop to put them to use Implement and parallelize deep learning models on Hadoop's YARN framework A comprehensive tutorial to distributed deep learning with Hadoop Who This Book Is For If you are a data scientist who wants to learn how to perform deep learning on Hadoop, this is the book for you. Knowledge of the basic machine learning concepts and some understanding of Hadoop is required to make the best use of this book. What You Will Learn Explore Deep Learning and various models associated with it Understand the challenges of implementing distributed deep learning with Hadoop and how to overcome it Implement Convolutional Neural Network (CNN) with deeplearning4j Delve into the implementation of Restricted Boltzmann Machines (RBM) Understand the mathematical explanation for implementing Recurrent Neural Networks (RNN) Get hands on practice of deep learning and their implementation with Hadoop. In Detail This book will teach you how to deploy large-scale dataset in deep neural networks with Hadoop for optimal performance. Starting with understanding what deep learning is, and what the various models associated with deep neural networks are, this book will then show you how to set up the Hadoop environment for deep learning. In this book, you will also learn how to overcome the challenges that you face while implementing distributed deep learning with large-scale unstructured datasets. The book will also show you how you can implement and parallelize the widely used deep learning models such as Deep Belief Networks, Convolutional Neural Networks, Recurrent Neural Networks, Restricted Boltzmann Machines and autoencoder using the popular deep learning library deeplearning4j. Get in-depth mathematical explanations and visual representations to help you understand the design and implementations of Recurrent Neural network and Denoising AutoEncoders with deeplearning4j. To give you a more practical perspective, the book will also teach you the implementation of large-scale video processing, image processing and natural language processing on Hadoop. By the end of this book, you will know how to deploy various deep neural networks in distributed systems using Hadoop. Style and approach This book takes a comprehensive, step-by-step approach to implement efficient deep learning models on Hadoop. It starts from the basics and builds the readers' knowledge as they strengthen their understanding of the concepts. Practical examples are included in every step of the way to supplement the theory.

Introduction to Machine Learning

Author: Ethem Alpaydin
Publisher: MIT Press
ISBN: 9780262028189
Release Date: 2014-08-29
Genre: Computers

The goal of machine learning is to program computers to use example data or past experience to solve a given problem. Many successful applications of machine learning exist already, including systems that analyze past sales data to predict customer behavior, optimize robot behavior so that a task can be completed using minimum resources, and extract knowledge from bioinformatics data. Introduction to Machine Learning is a comprehensive textbook on the subject, covering a broad array of topics not usually included in introductory machine learning texts. Subjects include supervised learning; Bayesian decision theory; parametric, semi-parametric, and nonparametric methods; multivariate analysis; hidden Markov models; reinforcement learning; kernel machines; graphical models; Bayesian estimation; and statistical testing.Machine learning is rapidly becoming a skill that computer science students must master before graduation. The third edition of Introduction to Machine Learning reflects this shift, with added support for beginners, including selected solutions for exercises and additional example data sets (with code available online). Other substantial changes include discussions of outlier detection; ranking algorithms for perceptrons and support vector machines; matrix decomposition and spectral methods; distance estimation; new kernel algorithms; deep learning in multilayered perceptrons; and the nonparametric approach to Bayesian methods. All learning algorithms are explained so that students can easily move from the equations in the book to a computer program. The book can be used by both advanced undergraduates and graduate students. It will also be of interest to professionals who are concerned with the application of machine learning methods.

Seamless Healthcare Monitoring

Author: Toshiyo Tamura
Publisher: Springer
ISBN: 9783319693620
Release Date: 2017-11-24
Genre: Technology & Engineering

This book shares the knowledge of active and prestigious worldwide researchers and scholars in the field of healthcare monitoring as authors investigate historical developments, summarize latest advancements, and envision future prospects on wearable, attachable, and invisible devices that monitor diverse physiological information. The coverage of the book spans multiple disciplines, from biomechanics, to bioelectricity, biochemistry, biophysics and biomaterials. There is also wide coverage of various physical and chemical quantities such as electricity, pressure, flow, motion, force, temperature, gases, and biomarkers. Each chapter explores the background of a specific monitoring device, as well as its physical and chemical principles and instrumentation, signal processing and data analysis, achieved outcomes and application scenarios, and future research topics. There are chapters on: Electrocardiograms, electroencephalograms, and electromyograms Measurement of flow phenomenon Latest wearable technologies for the quantification of human motion Various forms of wearable thermometers Monitoring of gases and chemical substances produced during metabolism...and more! This book is appropriate and accessible for students and scientists, as well as researchers in biomedical engineering, computer engineers, healthcare entrepreneurs, administrative officers, policy makers, market vendors, and healthcare personnel. It helps to provide us with insights into future endeavors, formulate innovative businesses and services, and will help improve people’s health and quality of life.