Personal menu
Suchen
Sie haben keine Artikel im Warenkorb.

PyTorch - KI-Modelle trainieren, tunen und einsetzen

Verfügbare Ausgaben

Hardcover

Autor:in: Bert Gollnick
Erscheinungsdatum: 05.02.2026
447 Seiten
Sprache: Deutsch
Artikelnummer: 9783367111299
PyTorch-Programmierung professionell! Das meistbenutzte Deep-Learning-Framework in der Praxis: Lernen Sie für spezifische Aufgaben aus realen Projektszenarien, wie Sie mit PyTorch KI-Modelle trainieren, optimieren und produktiv einsetzen. Bert Gollnick zeigt Ihnen in diesem Buch alle einschlägigen Verfahren inklusive Python-Implementierung, von linearer Regression über große Sprachmodelle bis zur Kombination mehrerer Verfahren. Die Anwendungen beinhalten Computer Vision, RAG-Systeme, Zeitreihenanalysen und vieles mehr. Sie evaluieren und deployen Ihre Modelle mit modernsten Methoden und lernen dafür Tools wie FlowML, TensorBoard und FastAPI kennen. Profitieren Sie von vollständigen Codebeispielen, die auf handelsüblicher Hardware lauffähig sind, und entdecken Sie das Zusammenspiel mit PyTorch Lightning, HuggingFace und weiteren Tools.- Deep Learning von der Datenaufbereitung über Training und Fineturing bis zum Deployment- Vielfältige Architekturen wie Autoencoder, RNNs, LLMs, RAG-Systeme etc.- Inkl. PyTorch Lightning, TensorBoard, LangChain, FastAPI u. v. m.Aus dem Inhalt:- Installation des Frameworks- Deep-Learning-Grundkonzepte- Vortrainierte Modelle verwenden- Daten vorbereiten- Klassifizierungsaufgaben- Computer Vision- Empfehlungssysteme- Graph Neural Networks - Große Sprachmodelle (LLMs)- Zeitreihen-Vorhersagen- PyTorch Lightning- LangChain- Cloud-Deployment mit Heroku- FlowML, TensorBoard und WandB- Lokaler Einsatz mit FastAPI
Verlagskontakt: Rheinwerk Verlag GmbH | Rheinwerkallee 4 Bonn | DE | E-Mail: service@rheinwerk-verlag.de
€41,95
exklusive Versand
increase decrease
Verfügbarkeit: Auf Lager
Lieferzeit: Lieferbar in 2 - 5 Werktagen
Produktspezifikation
AttributbezeichnungAttributwert
Produkt Details
SpracheDeutsch
FormatHardcover
Schreiben Sie Ihre eigene Bewertung
*
*
Schlecht
Sehr gut