Little Book of Deep Learning [143p PDF]

• Ein grundlegendes Buch über Deep Learning von Professor François Fleure, das so gesetzt wurde, dass es sich gut auf dem kleinen Bildschirm mobiler Geräte lesen lässt

I. Grundlagen

1. Machine Learning
   1.1 Lernen aus Daten
   1.2 Regressionsmodelle mit Basisfunktionen
   1.3 Under- und Overfitting
   1.4 Modellkategorien
2. Effiziente Berechnung
   2.1 GPUs, TPUs und Batches
   2.2 Tensoren
3. Training
   3.1 Verlustfunktionen
   3.2 Autoregressive Modelle
   3.3 Gradientenabstieg
   3.4 Backpropagation
   3.5 Trainingsprotokolle
   3.6 Trainingsdaten

II. Tiefe Modelle

4. Modellkomponenten
   4.1 Das Konzept der Schicht
   4.2 Lineare Schichten
   4.3 Aktivierungsfunktionen
   4.4 Pooling
   4.5 Dropout
   4.6 Normalisierungsschichten
   4.7 Skip Connections
   4.8 Attention-Schichten
   4.9 Token-Embedding
   4.10 Positionskodierung
5. Architekturen
   5.1 Multi-Layer Perceptrons
   5.2 Convolutional Networks
   5.3 Attention-Modelle

III. Anwendungen

6. Vorhersage
   6.1 Bildentrauschung
   6.2 Bildklassifikation
   6.3 Objekterkennung
   6.4 Semantische Segmentierung
   6.5 Spracherkennung
   6.6 Text-Bild-Repräsentationen
7. Synthese
   7.1 Textgenerierung
   7.2 Bildgenerierung

[readiz]

Die Warteliste wird immer länger. haha

[yinn27]

Danke.

[ryudaewan]

In meinem Alter hat die Alterssichtigkeit schon vor einiger Zeit eingesetzt, deshalb ist es wirklich angenehm, dass die Schrift groß ist ^^

[pugh123]

Vielen Dank für das gute Material.