Bücher

Learn TensorFlow 2.0

Tam Hanna

©Shutterstock / AdresiaStock

Wer sich mit Machine Learning auseinandersetzt, muss sich über kurz oder lang in TensorFlow einarbeiten. Im Internet findet sich zwar jede Menge an Tutorials, der Großteil basiert allerdings auf Version 1.0. Apress wirft ein 180 Seiten langes Werk ins Rennen, das eine Schnelleinführung in den Allrounder bieten soll.

Das erste Kapitel erklärt grundlegende Mathematik und geht auch auf den namensgebenden Begriff des Tensors ein. Für von Version 1.0 umsteigende Entwickler finden sich hier Vergleichsinformationen, die die beiden Varianten des API gegenüberstellen. Lobenswert ist, dass sich das Buch nicht auf die Arbeit mit einem Texteditor oder einer IDE beschränkt – die Autoren stellen die Verwendung von TensorFlow in Anaconda, Colab und Databricks vor.

Das zweite Kapitel wendet sich Supervised Learning zu, das sind alle Lernprozesse, bei denen das System auf einen Satz von Sollergebniswerten zurückgreifen kann. Trotz der nur rund 27 Seiten findet sich hier alles, was man für einen ersten kleinen Gehversuch mit dieser Technologie benötigt.

Im dritten Kapitel wenden sich die Autoren Grundlagen neuronaler Netzwerke zu – die Besprechung des menschlichen bzw. biologischen Neurons dürfte insbesondere älteren Knochen bekannt vorkommen. Das Beispiel, das anhand des MNIST-Datensatzes arbeitet, ist aus didaktischer Sicht allerdings fast ideal gewählt.

Eine der Paradeanwendungen von TensorFlow ist mit Sicherheit die Analyse von Bildinformationen. Das Werk spendiert diesem interessanten Thema ein viertes Kapitel, das freundlicherweise im ersten Schritt klassische Bildverarbeitungsoperationen wie die Faltung (englisch Convolution) vorstellt. Danach wird auf das aus dem letzten Kapitel bekannte Dataset abermals eingegangen, um einige Methoden sowohl für die Bildgenerierung als auch für die Bildanalyse vorzustellen.

Ein weiterer klassischer Anwendungsfall von Machine-Learning ist NLP – hinter dem englischen Akronym verbirgt sich der Gedanke, dass der Computer beispielsweise Produktbewertungen oder andere von Menschen erzeugte Texte auf bestimmte Kriterien untersucht und anhand dieser katalogisiert. Auch hier präsentieren die Autoren ein interessantes Beispiel, das zudem die Demonstration bzw. Visualisierung der Ergebnisse unter Verwendung des TensorFlow Projectors demonstriert. Zu guter Letzt findet sich dann noch ein Kapitel, das auf den praktischen Einsatz der erzeugten TensorFlow-Modelle eingeht.

Über die Frage, wie man komplexe Wissenschaften wie Machine Learning am besten unterrichtet, lässt sich streiten. Das Buch wählt ein durchaus interessantes Verfahren. Wer die von den beiden Autoren vorgestellten Programmbeispiele kurz durchackert, gewinnt ein an Muscle Memory erinnerndes Umgangsvermögen mit dem TensorFlow API. Dieses Wissen lässt sich danach in Eigenregie mehr oder weniger beliebig vertiefen.

Der Apress-Verlag ist für englischsprachige Bücher bekannt, die auch für Nichtmuttersprachler problemlos verständlich sind, dieses Buch stellt keine Ausnahme dar. Dass bei nur 177 Seiten das eine oder andere Thema auf der Strecke bleibt, dürfte klar sein.

 

Pramod Singh und Avinash Manure

Learn TensorFlow 2.0

Implement Machine Learning and Deep Learning Models with Python

180 Seiten, 29,95 EuroApress, 2020ISBN: 978-1484255605

 

 

Geschrieben von
Tam Hanna
Tam Hanna
Tam Hanna befasst sich seit der Zeit des Palm IIIc mit der Programmierung und Anwendung von Handcomputern. Er entwickelt Programme für diverse Plattformen, betreibt Onlinenewsdienste zum Thema und steht unter tamhan@tamoggemon.com für Fragen, Trainings und Vorträge gern zur Verfügung.
Kommentare

Hinterlasse einen Kommentar

avatar
4000
  Subscribe  
Benachrichtige mich zu: