Generatives Deep Learning : Maschinen das Malen, Schreiben und Komponieren beibringen / David Foster ; Deutsche Übersetzung von Marcus Fraass und Konstantin Mack.

Format:

Book

Author/Creator:

Foster, David, author.

Contributor:

Fraass, Marcus, translator.

Mack, Konstantin, translator.

Series:

Animals

Standardized Title:

Generative deep learning. German

Language:

English

German

Subjects (All):

Machine learning.

Artificial intelligence.

Neural networks (Computer science).

Generative programming (Computer science).

Physical Description:

1 online resource (1 volume) : illustrations

Edition:

1. Auflage.

Place of Publication:

Heidelberg : dpunkt.verlag : O'Reilly Media, [2020]

System Details:

text file

Summary:

Generative Modelle haben sich zu einem der spannendsten Themenbereiche der Künstlichen Intelligenz entwickelt: Mit generativem Deep Learning ist es inzwischen möglich, einer Maschine das Malen, Schreiben oder auch das Komponieren von Musik beizubringen – kreative Fähigkeiten, die bisher dem Menschen vorbehalten waren. Mit diesem praxisnahen Buch können 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 veranschaulicht die Funktionsweise jeder Methode, beginnend mit den Grundlagen des Deep Learning mit Keras, bevor er zu einigen der modernsten Algorithmen auf diesem Gebiet vorstößt. Die zahlreichen praktischen Beispiele und Tipps helfen dem Leser herauszufinden, wie seine Modelle noch effizienter lernen und noch kreativer werden können.

Contents:

Intro

Inhalt

Vorwort

Teil I: Einführung ins Generative Deep Learning

Kapitel 1: Generative Modellierung

Was ist generative Modellierung?

Wahrscheinlichkeitsbasierte generative Modelle

Die Herausforderungen der generativen Modellierung

Einrichten Ihrer Arbeitsumgebung

Zusammenfassung

Kapitel 2: Deep Learning

Strukturierte und unstrukturierte Daten

Tiefe neuronale Netzwerke

Ihr erstes tiefes neuronales Netzwerk

Verbesserung des Modells

Kapitel 3: Variational Autoencoder

Die Kunstausstellung

Autoencoder

Die »Variationale« Kunstausstellung

Erstellen eines Variational Autoencoders

Erzeugen von Gesichtern mithilfe von VAEs

Kapitel 4: Generative Adversarial Networks

Ganimals

Einführung in GANs

Ihr erstes GAN

GAN-Herausforderungen

Wasserstein-GAN

WGAN-GP

Teil II: Maschinen das Malen, Schreiben, Komponieren und Spielen beibringen

Kapitel 5: Malen

Äpfel und Orangen

CycleGAN

Ihr erstes CycleGAN

Erstellen eines CycleGAN, das wie Monet malt

Neuronaler Stiltransfer

Kapitel 6: Schreiben

Die literarische Gesellschaft für lästige Bösewichte e. V.

Long-Short-Term-Memory-Netzwerk

Ihr erstes LSTM-Netzwerk

Einen neuen Text erzeugen

Erweiterungen von RNNs

Encoder-Decoder-Modelle

Ein Frage-Antwort-Generator

Kapitel 7: Komponieren

Vorabklärungen

Ihr erstes Musik erzeugendes RNN

Das »Musikorgan«

Ihr erstes MuseGAN

Der Generator des MuseGAN

Der Kritiker

Analyse des MuseGAN

Kapitel 8: Spielen

Reinforcement Learning

Architektur von World Models

Setup

Überblick über den Trainingsprozess

Sammeln zufälliger Roll-out-Daten

Trainieren des VAE

Sammeln von Daten zum Trainieren des RNN.

Trainieren des MDN-RNN

Trainieren des Controllers

In-Traum-Training

Kapitel 9: Die Zukunft der generativen Modellierung

Fünf Jahre Fortschritt

Der Transformer

Fortschritte bei der Bilderzeugung

Anwendungen der generativen Modellierung

Kapitel 10: Schlussbemerkung

Index.

Notes:

Description based on online resource; title from title page (Safari, viewed August 18, 2020).

"Authorized German translation of the English edition of Generative deep learning, ©2019"--Title page verso.

Includes bibliographical references and index.

Description based on publisher supplied metadata and other sources.

ISBN:

9783960103561

3960103565

9781098124298

1098124294

OCLC:

1184678723