Deep Learning im Maßstab

Kapitel 2. Tiefes Lernen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In Kapitel 1 ging es um den Einfluss der Skalierung auf die Geschichte und Entwicklung des Deep Learning. In diesem Kapitel geht es um die internen Mechanismen von Deep Learning und zwei praktische Übungen, um deine Deep-Learning-Kenntnisse zu vertiefen. Du wirst die Rolle von Daten beim Deep Learning untersuchen und verschiedene Konzepte der Modellentwicklung anhand einer minimalistischen Python-Implementierung von Deep Learning erkunden. Du bekommst die Gelegenheit, das Gelernte anzuwenden, indem du ein PyTorch-basiertes Modell erstellst und einige wichtige und interessante Hilfsprogramme kennenlernst, die für alle Skalierungsbemühungen benötigt werden. Dieses Kapitel ist sehr praxisorientiert und taucht nicht tief in die theoretischen Grundlagen des Deep Learning ein. Wenn du dich für die theoretischen Grundlagen interessierst, lies bitte das Buch Deep Learning von Aaron Courville, Ian Goodfellow und Yoshua Bengio.¹

Die Rolle der Daten beim Deep Learning

Alle Modelle sind falsch, aber einige sind nützlich.

-George Box

Deep Learning ist eine Technik der Datenprogrammierung, bei der algorithmische Ansätze verwendet werden, um Ergebnisse für die Eingabevariable(n) zu erhalten. Deep Learning stützt sich stark auf Mathematik und Statistik, um ein Modell zu erstellen $M$ so zu erstellen, dass das Ergebnis y durch Anwendung ...