Generatives Deep Learning
Maschinen das Malen, Schreiben und Komponieren beibringen
Generative Modelle sind ein faszinierendes Thema in der Künstlichen Intelligenz. Mit generativem Deep Learning können Maschinen kreative Fähigkeiten wie Malen, Schreiben und Musikkomposition erlernen. Dieses praxisnahe Buch ermöglicht es Data Scientists, beeindruckende generative Deep-Learning-Modelle wie Generative Adversarial Networks (GANs), Variational Autoencoder (VAEs) und Encoder-Decoder-Modelle nachzubilden. Der Autor vermittelt zunächst die Grundlagen des Deep Learning mit Keras und erklärt die Funktionsweise jeder Methode, bevor er sich modernen Algorithmen zuwendet. Zahlreiche praktische Beispiele und Tipps helfen dabei, die Effizienz und Kreativität der Modelle zu steigern. Sie werden entdecken, wie Variational Autoencoder Gesichtsausdrücke auf Fotos verändern, praktische GAN-Beispiele erstellen und CycleGAN zur Stilübertragung sowie MuseGAN zur Musikgenerierung nutzen können. Zudem lernen Sie, rekurrente generative Modelle zur Texterstellung einzusetzen und diese mit dem Attention-Mechanismus zu verbessern. Außerdem erfahren Sie, wie generatives Deep Learning Agenten im Reinforcement Learning unterstützen kann, und erhalten Einblicke in die Architektur von Transformern (BERT, GPT-2) sowie Bilderzeugungsmodellen wie ProGAN und StyleGAN. Dieses Buch bietet eine leicht zugängliche Einführung in das Deep-Learning-Toolkit für generatives Modellieren und richtet sich an kreative Praktiker, die Deep Learning für eigene
