Verfügbarkeit: Deep Learning mit Microsoft Azure | Technische Universität München

Deep Learning mit Microsoft Azure:

Gespeichert in:

Bibliographische Detailangaben
Beteiligte Personen:	Salvaris, Mathew (VerfasserIn), Dean, Danielle (VerfasserIn), Tok, Wee Hyong (VerfasserIn)
Format:	Buch
Sprache:	Deutsch
Veröffentlicht:	Bonn Rheinwerk 2019
Ausgabe:	1. Auflage
Schlagwörter:	Keras > Framework, Informatik Künstliche Intelligenz Softwareplattform Deep Learning Windows Azure Tensor Flow Keras Datenanalyse Predictive Analytics Cognitive Services Custom Vision Docker Visual Studio VS Code Azure-AI
Links:	http://deposit.dnb.de/cgi-bin/dokserv?id=0e7afbfd63a04e67814ee17f839dd58c&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=031275066&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
Beschreibung:	Auf dem Cover: "Einstieg, Konzepte, Codebeispiele und Wekrzeuge, Überblick über neuronale Netze, Machine Learning, Deep Learning, Cloud-Umgebungen für Data Science und KI-Entwicklung"
Umfang:	261 Seiten Illustrationen, Diagramme 23 cm x 17.2 cm
ISBN:	9783836269933 3836269937

Internformat

MARC


LEADER	00000nam a2200000 c 4500
001	BV045892059
003	DE-604
005	20200921
007	t\|
008	190521s2019 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 19,N08 \|2 dnb
016	7		\|a 1178153568 \|2 DE-101
020			\|a 9783836269933 \|c hbk. \|9 978-3-8362-6993-3
020			\|a 3836269937 \|9 3-8362-6993-7
035			\|a (OCoLC)1104873940
035			\|a (DE-599)DNB1178153568
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-NW
049			\|a DE-M347 \|a DE-29T \|a DE-573 \|a DE-860 \|a DE-1043 \|a DE-91G \|a DE-1051 \|a DE-1102 \|a DE-1046 \|a DE-11 \|a DE-473
084			\|a ST 200 \|0 (DE-625)143611: \|2 rvk
084			\|a ST 300 \|0 (DE-625)143650: \|2 rvk
084			\|a ST 302 \|0 (DE-625)143652: \|2 rvk
084			\|a ST 510 \|0 (DE-625)143676: \|2 rvk
084			\|a DAT 708f \|2 stub
084			\|a 004 \|2 sdnb
084			\|a DAT 303f \|2 stub
100	1		\|a Salvaris, Mathew \|e Verfasser \|0 (DE-588)1188722980 \|4 aut
245	1	0	\|a Deep Learning mit Microsoft Azure \|c Mathew Salvaris, Danielle Dean, Wee Hyong Tok
250			\|a 1. Auflage
264		1	\|a Bonn \|b Rheinwerk \|c 2019
264		4	\|c © 2019
300			\|a 261 Seiten \|b Illustrationen, Diagramme \|c 23 cm x 17.2 cm
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
500			\|a Auf dem Cover: "Einstieg, Konzepte, Codebeispiele und Wekrzeuge, Überblick über neuronale Netze, Machine Learning, Deep Learning, Cloud-Umgebungen für Data Science und KI-Entwicklung"
650	0	7	\|a Keras \|g Framework, Informatik \|0 (DE-588)1160521077 \|2 gnd \|9 rswk-swf
650	0	7	\|a Künstliche Intelligenz \|0 (DE-588)4033447-8 \|2 gnd \|9 rswk-swf
650	0	7	\|a Softwareplattform \|0 (DE-588)4702244-9 \|2 gnd \|9 rswk-swf
650	0	7	\|a Deep Learning \|0 (DE-588)1135597375 \|2 gnd \|9 rswk-swf
650	0	7	\|a Windows Azure \|0 (DE-588)7693533-4 \|2 gnd \|9 rswk-swf
653			\|a Tensor Flow
653			\|a Keras
653			\|a Künstliche Intelligenz
653			\|a Datenanalyse
653			\|a Predictive Analytics
653			\|a Cognitive Services
653			\|a Custom Vision
653			\|a Docker
653			\|a Visual Studio
653			\|a VS Code
653			\|a Azure-AI
689	0	0	\|a Deep Learning \|0 (DE-588)1135597375 \|D s
689	0	1	\|a Windows Azure \|0 (DE-588)7693533-4 \|D s
689	0	2	\|a Künstliche Intelligenz \|0 (DE-588)4033447-8 \|D s
689	0	3	\|a Keras \|g Framework, Informatik \|0 (DE-588)1160521077 \|D s
689	0		\|5 DE-604
689	1	0	\|a Deep Learning \|0 (DE-588)1135597375 \|D s
689	1	1	\|a Windows Azure \|0 (DE-588)7693533-4 \|D s
689	1	2	\|a Künstliche Intelligenz \|0 (DE-588)4033447-8 \|D s
689	1	3	\|a Softwareplattform \|0 (DE-588)4702244-9 \|D s
689	1		\|5 DE-604
700	1		\|a Dean, Danielle \|e Verfasser \|0 (DE-588)1188723642 \|4 aut
700	1		\|a Tok, Wee Hyong \|e Verfasser \|0 (DE-588)1188724363 \|4 aut
700	1	2	\|a Salvaris, Mathew \|t Deep learning with Azure
710	2		\|a Rheinwerk Verlag \|0 (DE-588)1081738405 \|4 pbl
856	4	2	\|m X:MVB \|q text/html \|u http://deposit.dnb.de/cgi-bin/dokserv?id=0e7afbfd63a04e67814ee17f839dd58c&prov=M&dok_var=1&dok_ext=htm \|3 Inhaltstext
856	4	2	\|m DNB Datenaustausch \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=031275066&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
943	1		\|a oai:aleph.bib-bvb.de:BVB01-031275066

Datensatz im Suchindex

DE-BY-TUM_call_number	0102 DAT 708f 2020 A 48
DE-BY-TUM_katkey	2439311
DE-BY-TUM_location	01
DE-BY-TUM_media_number	040008864906
_version_	1823989033884188672
adam_text	INHALT MATERIALIEN ZUM BUCH . 11 UEBER DIE AUTOREN . 13 VORWORT . 17 EINLEITUNG . 21 TEIL I IHR EINSTIEG IN DIE KUENSTLICHE INTELLIGENZ 1 EINFUEHRUNG IN DIE KUENSTLICHE INTELLIGENZ N 1.1 MICROSOFT UND KL . 29 1.2 MACHINE LEARNING . 32 1.3 DEEP LEARNING . 36 1.3.1 DER SIEGESZUG DES DEEP LEARNINGS . 39 1.3.2 ANWENDUNGSGEBIETE DES DEEP LEARNINGS . 42 1.4 ZUSAMMENFASSUNG. 46 2 UEBERBLICK UEBER DEEP LEARNING 47 2.1 ALLGEMEINE NETZWERKSTRUKTUREN . 48 2.1.1 CONVOLUTIONAL NEURAL NETWORKS . 48 2.1.2 RECURRENT NEURAL NETWORKS . 51 2.1.3 GENERATIVE ADVERSARIAL NETWORKS . 53 2.1.4 AUTOENCODER . 54 2.2 DER DEEP-LEARNING-WORKFLOW . 55 2.2.1 SUCHEN DER RELEVANTEN DATENSAETZE . 56 2.2.2 VORVERARBEITEN DER DATENSAETZE . 57 2.2.3 TRAINIEREN DES MODELLS . 57 2.2.4 VALIDIEREN UND OPTIMIEREN DES MODELLS . 58 2.2.5 BEREITSTELLEN DES MODELLS . 59 2.2.6 DEEP-LEARNING-FRAMEWORKS UND BERECHNUNGEN . 60 5 INHALT 2.2.7 STARTHILFE FUER DEEP-LEARNING-LERNEN PER TRANSFER UND ANPASSUNG AN FACHGEBIETE . 63 2.2.8 MODELLBIBLIOTHEK . 66 2.3 ZUSAMMENFASSUNG . 67 3 TRENDS IM DEEP LEARNING 6S 3.1 VARIATIONEN IN NETZWERKARCHITEKTUREN . 69 3.1.1 RESIDUAL NETWORKS UND VARIANTEN . 70 3.1.2 DENSENET . 70 3.1.3 KLEINE MODELLE, WENIGER PARAMETER . 70 3.1.4 KAPSELNETZWERKE . 71 3.1.5 OBJEKTERKENNUNG . 73 3.1.6 OBJEKTSEGMENTIERUNG . 75 3.1.7 WEITERENTWICKELTE NETZWERKE . 75 3.1.8 AUTOMATISIERTES MACHINE LEARNING . 76 3.2 HARDWARE . 78 3.2.1 SPEZIALISIERTEM HARDWARE . 78 3.2.2 HARDWARE AUF AZURE . 79 3.2.3 QUANTENCOMPUTING . 80 3.3 GRENZEN DES DEEP LEARNINGS . 81 3.3.1 VORSICHT VOR HYPES . 81 3.3.2 GRENZEN DER FAEHIGKEIT ZUR VERALLGEMEINERUNG . 82 3.3.3 RIESIGE DATENMENGEN FUER MODELLE UND BEZEICHNUNGEN . 83 3.3.4 REPRODUZIERBARE FORSCHUNG UND ZUGRUNDELIEGENDE THEORIE . 84 3.4 EIN BLICK IN DIE ZUKUNFT: WAS KOENNEN WIR VON DEEP LEARNING ERWARTEN? . 85 3.4.1 ETHISCHE UND RECHTLICHE FRAGEN . 86 3.5 ZUSAMMENFASSUNG . 88 6 INHALT TEIL II DIE AZURE KL-PLATTFORM UND IHR WERKZEUGKASTEN 4 MICROSOFT-KL-PLATTFORM 91 4.1 DIENSTE . 93 4.1.1 VORKONFIGURIERTE KL: COGNITIVE SERVICES . 93 4.1.2 GESPRAECHS-KL: BOT FRAMEWORK . 95 4.1.3 BENUTZERDEFINIERTE KL: AZURE MACHINE LEARNING SERVICES . 95 4.1.4 BENUTZERDEFINIERTE KL: BATCH AI . 96 4.2 INFRASTRUKTUR . 97 4.2.1 DATA SCIENCE VIRTUAL MACHINE . 97 4.2.2 SPARK . 99 4.2.3 HOSTEN VON CONTAINERN . 100 4.2.4 DATENSPEICHERUNG . 101 4.3 TOOLS . 102 4.3.1 AZURE MACHINE LEARNING STUDIO . 102 4.3.2 INTEGRIERTE ENTWICKLUNGSUMGEBUNGEN . 103 4.3.3 DEEP-LEARNING-FRAMEWORKS . 104 4.4 GESAMTE AZURE-PLATTFORM . 104 4.5 ERSTE SCHRITTE MIT DER DEEP LEARNING VIRTUAL MACHINE . 105 4.5.1 AUSFUEHREN DES NOTEBOOK-SERVERS . 107 4.6 ZUSAMMENFASSUNG . 107 5 COGNITIVE SERVICES UND CUSTOM VISION 109 5.1 VORKONFIGURIERTE KL: ANLASS UND VORGEHENSWEISE. 109 5.2 COGNITIVE SERVICES NUTZEN . 111 5.3 VERFUEGBARE ARTEN VON COGNITIVE SERVICES . 114 5.3.1 MASCHINELLES SEHEN-APIS . 114 5.4 ERSTE SCHRITTE MIT COGNITIVE SERVICES . 121 5.5 CUSTOM VISION . 127 5.5.1 HALLO WELT! FUER CUSTOM VISION . 128 5.5.2 EXPORTIEREN VON CUSTOM VISION-MODELLEN . 133 5.6 ZUSAMMENFASSUNG . 134 7 INHALT TEIL III KL-NETZWERKE IN DER PRAXIS 6 CONVOLUTIONAL NEURAL NETWORKS 139 6.1 DIE FALTUNG IN CONVOLUTIONAL NEURAL NETWORKS . 140 6.1.1 FALTUNGSSCHICHT . 141 6.1.2 POOLING-SCHICHT . 142 6.1.3 AKTIVIERUNGSFUNKTIONEN . 143 6.2 CNN-ARCHITEKTUR . 146 6.3 TRAINIEREN EINES KLASSIFIZIERUNGS-CNN . 146 6.4 GRUENDE FUER DIE VERWENDUNG VON CNNS . 148 6.5 TRAINIEREN EINES CNN MIT CIFAR-10. 149 6.6 TRAINING EINES TIEFEN CNN AUF EINER GPU . 154 6.6.1 MODELL 1 . 154 6.6.2 MODELL 2 . 155 6.6.3 MODELL 3 . 157 6.6.4 MODELL 4 . 159 6.7 TRANSFERLERNEN . 161 6.8 ZUSAMMENFASSUNG . 162 7 RECURRENT NEURAL NETWORKS 163 7.1 RNN-ARCHITEKTUREN . 166 7.2 TRAINIEREN VON RNNS . 169 7.3 GATED RNNS . 170 7.4 SEQUENZ-ZU-SEQUENZ-MODELLE UND AUFMERKSAMKEITSMECHANISMUS. 172 7.5 RNN-BEISPIELE . 174 7.5.1 BEISPIEL 1: STIMMUNGSANALYSE . 175 7.5.2 BEISPIEL 2: BILDKLASSIFIZIERUNG . 175 7.5.3 BEISPIEL 3: ZEITREIHE . 178 7.6 ZUSAMMENFASSUNG . 181 8 INHALT 8 GENERATIVE ADVERSARIAL NETWORKS 183 8.1 WAS SIND GENERATIVE ADVERSARIAL NETWORKS? . 183 8.2 CYCLE-CONSISTENT ADVERSARIAL NETWORKS . 188 8.3 DER CYCLEGAN-CODE . 190 8.4 NETZWERKARCHITEKTUR FUER DEN GENERATOR UND DEN DISKRIMINATOR . 193 8.5 DEFINIEREN DER CYCLEGAN-KLASSE . 197 8.6 VERLUST DURCH UNTERSCHIEDE UND ZYKLUSVERLUST. 198 8.7 ERGEBNISSE . 199 8.8 ZUSAMMENFASSUNG . 199 TEIL IV KL-ARCHITEKTUREN UND BEST PRACTICES 9 TRAINIEREN VON KL-MODELLEN 203 9.1 TRAININGSOPTIONEN . 203 9.1.1 VERTEILTES TRAINING . 204 9.1.2 DEEP LEARNING VIRTUAL MACHINE . 205 9.1.3 BATCH SHIPYARD . 206 9.1.4 BATCH AI . 207 9.1.5 DEEP LEARNING WORKSPACE . 208 9.2 BEISPIELE ZUR VERANSCHAULICHUNG . 209 9.2.1 TRAINIEREN EINES DNN IN BATCH SHIPYARD . 209 9.2.2 AZURE MACHINE LEARNING SERVICES . 225 9.2.3 WEITERE OPTIONEN FUER DAS KL-TRAINING AUF AZURE . 226 9.3 ZUSAMMENFASSUNG . 227 10 OPERATIONALISIEREN VON KL-MODELLEN 22S 10.1 PLATTFORMEN FUER DIE OPERATIONALISIERUNG . 229 10.1.1 DLVM . 230 10.1.2 AZURE CONTAINER INSTANCES . 231 9 INHALT 10.1.3 AZURE-WEB-APPS . 232 10.1.4 AZURE KUBERNETES SERVICES . 232 10.1.5 AZURE SERVICE FABRIC . 235 10.1.6 BATCH AI . 235 10.1.7 AZURE DISTRIBUTED DATA ENGINEERING TOOLKIT (AZTK) . 237 10.1.8 HDINSIGHT UND DATABRICKS . 238 10.1.9 SQLSERVER . 239 10.2 UEBERSICHT UEBER DIE OPERATIONALISIERUNG . 239 10.3 AZURE MACHINE LEARNING SERVICES . 242 10.4 ZUSAMMENFASSUNG . 242 ANMERKUNGEN . 245 INDEX . 257 10
any_adam_object	1
author	Salvaris, Mathew Dean, Danielle Tok, Wee Hyong
author2	Salvaris, Mathew
author2_role
author2_variant	m s ms
author_GND	(DE-588)1188722980 (DE-588)1188723642 (DE-588)1188724363
author_facet	Salvaris, Mathew Dean, Danielle Tok, Wee Hyong Salvaris, Mathew
author_role	aut aut aut
author_sort	Salvaris, Mathew
author_variant	m s ms d d dd w h t wh wht
building	Verbundindex
bvnumber	BV045892059
classification_rvk	ST 200 ST 300 ST 302 ST 510
classification_tum	DAT 708f DAT 303f
ctrlnum	(OCoLC)1104873940 (DE-599)DNB1178153568
discipline	Informatik
edition	1. Auflage
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a2200000 c 4500</leader><controlfield tag="001">BV045892059</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20200921</controlfield><controlfield tag="007">t\|</controlfield><controlfield tag="008">190521s2019 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">19,N08</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1178153568</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783836269933</subfield><subfield code="c">hbk.</subfield><subfield code="9">978-3-8362-6993-3</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3836269937</subfield><subfield code="9">3-8362-6993-7</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1104873940</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1178153568</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-NW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-M347</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-473</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 200</subfield><subfield code="0">(DE-625)143611:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 300</subfield><subfield code="0">(DE-625)143650:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 302</subfield><subfield code="0">(DE-625)143652:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 510</subfield><subfield code="0">(DE-625)143676:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 708f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 303f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Salvaris, Mathew</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1188722980</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Deep Learning mit Microsoft Azure</subfield><subfield code="c">Mathew Salvaris, Danielle Dean, Wee Hyong Tok</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Bonn</subfield><subfield code="b">Rheinwerk</subfield><subfield code="c">2019</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">© 2019</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">261 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">23 cm x 17.2 cm</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Auf dem Cover: "Einstieg, Konzepte, Codebeispiele und Wekrzeuge, Überblick über neuronale Netze, Machine Learning, Deep Learning, Cloud-Umgebungen für Data Science und KI-Entwicklung"</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Keras</subfield><subfield code="g">Framework, Informatik</subfield><subfield code="0">(DE-588)1160521077</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Softwareplattform</subfield><subfield code="0">(DE-588)4702244-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Deep Learning</subfield><subfield code="0">(DE-588)1135597375</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Windows Azure</subfield><subfield code="0">(DE-588)7693533-4</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Tensor Flow</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Keras</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Künstliche Intelligenz</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datenanalyse</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Predictive Analytics</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Cognitive Services</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Custom Vision</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Docker</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Visual Studio</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">VS Code</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Azure-AI</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Deep Learning</subfield><subfield code="0">(DE-588)1135597375</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Windows Azure</subfield><subfield code="0">(DE-588)7693533-4</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><subfield code="a">Keras</subfield><subfield code="g">Framework, Informatik</subfield><subfield code="0">(DE-588)1160521077</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Deep Learning</subfield><subfield code="0">(DE-588)1135597375</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Windows Azure</subfield><subfield code="0">(DE-588)7693533-4</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="2"><subfield code="a">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="3"><subfield code="a">Softwareplattform</subfield><subfield code="0">(DE-588)4702244-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Dean, Danielle</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1188723642</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Tok, Wee Hyong</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1188724363</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2="2"><subfield code="a">Salvaris, Mathew</subfield><subfield code="t">Deep learning with Azure</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Rheinwerk Verlag</subfield><subfield code="0">(DE-588)1081738405</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="q">text/html</subfield><subfield code="u">http://deposit.dnb.de/cgi-bin/dokserv?id=0e7afbfd63a04e67814ee17f839dd58c&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=031275066&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-031275066</subfield></datafield></record></collection>
id	DE-604.BV045892059
illustrated	Illustrated
indexdate	2025-02-13T07:00:25Z
institution	BVB
institution_GND	(DE-588)1081738405
isbn	9783836269933 3836269937
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-031275066
oclc_num	1104873940
open_access_boolean
owner	DE-M347 DE-29T DE-573 DE-860 DE-1043 DE-91G DE-BY-TUM DE-1051 DE-1102 DE-1046 DE-11 DE-473 DE-BY-UBG
owner_facet	DE-M347 DE-29T DE-573 DE-860 DE-1043 DE-91G DE-BY-TUM DE-1051 DE-1102 DE-1046 DE-11 DE-473 DE-BY-UBG
physical	261 Seiten Illustrationen, Diagramme 23 cm x 17.2 cm
publishDate	2019
publishDateSearch	2019
publishDateSort	2019
publisher	Rheinwerk
record_format	marc
spellingShingle	Salvaris, Mathew Dean, Danielle Tok, Wee Hyong Deep Learning mit Microsoft Azure Keras Framework, Informatik (DE-588)1160521077 gnd Künstliche Intelligenz (DE-588)4033447-8 gnd Softwareplattform (DE-588)4702244-9 gnd Deep Learning (DE-588)1135597375 gnd Windows Azure (DE-588)7693533-4 gnd
subject_GND	(DE-588)1160521077 (DE-588)4033447-8 (DE-588)4702244-9 (DE-588)1135597375 (DE-588)7693533-4
title	Deep Learning mit Microsoft Azure
title_alt	Deep learning with Azure
title_auth	Deep Learning mit Microsoft Azure
title_exact_search	Deep Learning mit Microsoft Azure
title_full	Deep Learning mit Microsoft Azure Mathew Salvaris, Danielle Dean, Wee Hyong Tok
title_fullStr	Deep Learning mit Microsoft Azure Mathew Salvaris, Danielle Dean, Wee Hyong Tok
title_full_unstemmed	Deep Learning mit Microsoft Azure Mathew Salvaris, Danielle Dean, Wee Hyong Tok
title_short	Deep Learning mit Microsoft Azure
title_sort	deep learning mit microsoft azure
topic	Keras Framework, Informatik (DE-588)1160521077 gnd Künstliche Intelligenz (DE-588)4033447-8 gnd Softwareplattform (DE-588)4702244-9 gnd Deep Learning (DE-588)1135597375 gnd Windows Azure (DE-588)7693533-4 gnd
topic_facet	Keras Framework, Informatik Künstliche Intelligenz Softwareplattform Deep Learning Windows Azure
url	http://deposit.dnb.de/cgi-bin/dokserv?id=0e7afbfd63a04e67814ee17f839dd58c&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=031275066&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT salvarismathew deeplearningmitmicrosoftazure AT deandanielle deeplearningmitmicrosoftazure AT tokweehyong deeplearningmitmicrosoftazure AT rheinwerkverlag deeplearningmitmicrosoftazure

Verfügbarkeit

Bestellen (Login erforderlich)

Inhaltsverzeichnis
Paper/Kapitel scannen lassen

Teilbibliothek Mathematik & Informatik

Bestandsangaben von Teilbibliothek Mathematik & Informatik
Signatur:	0102 DAT 708f 2020 A 48 Lageplan
Exemplar 1	Ausleihbar Am Standort