In diesem Assignment sollen die bekannten Deep Learning Frameworks TensorFlow, Keras, PyTorch, CNTK und MXNeT vorgestellt werden. Darüber hinaus soll geklärt werden, was ein Framework erfolgreich macht und welche Konsequenzen daraus folgen können. Dazu wird in der Folge auch das bereits eingestellte Framework Theano betrachtet. Zunächst werden grundlegende Begrifflichkeiten im Kontext von Deep Learning Frameworks definiert. Im Anschluss wird die grundsätzliche Funktionsweise von Deep Learning erläutert, danach werden die bekanntesten Deep Learning Frameworks vorgestellt und mögliche Erfolgskriterien bewertet.
Inhaltsverzeichnis
- Einleitung
- Definitionen
- Künstliche Intelligenz
- Maschinelles Lernen
- Deep Learning
- Grundsätzliche Funktionsweise von Deep Learning
- Künstliches Neuronales Netz
- Anwendungsgebiete von Deep Learning
- Deep Learning Frameworks
- TensorFlow
- Keras
- PyTorch
- CNTK
- MXNET
- Theano
- Übersicht und Bewertung
- Zusammenfassung und Ausblick
Zielsetzung und Themenschwerpunkte
Die Zielsetzung dieses Assignments ist die Vorstellung der bekannten Deep Learning Frameworks TensorFlow, Keras, PyTorch, CNTK und MXNET. Zudem soll geklärt werden, was ein Framework erfolgreich macht und welche Konsequenzen daraus folgen können. Hierzu wird das bereits eingestellte Framework Theano betrachtet.
- Definition von Deep Learning und angrenzenden Begriffen
- Erklärung der grundlegenden Funktionsweise von Deep Learning
- Vorstellung und Bewertung von Deep Learning Frameworks
- Analyse von Erfolgskriterien für Deep Learning Frameworks
- Zusammenfassende Darstellung der Ergebnisse
Zusammenfassung der Kapitel
- Einleitung: Der Text führt in das Thema der künstlichen Intelligenz und Deep Learning ein und stellt die Relevanz von Frameworks in diesem Kontext heraus. Der Autor erläutert den Fokus des Assignments.
- Definitionen: Dieses Kapitel definiert die zentralen Begriffe Künstliche Intelligenz, Maschinelles Lernen und Deep Learning. Es werden die verschiedenen Teilgebiete und die Funktionsweise dieser Bereiche erläutert.
- Grundsätzliche Funktionsweise von Deep Learning: Dieses Kapitel beleuchtet die grundlegende Funktionsweise von Deep Learning, insbesondere künstliche neuronale Netze. Es werden Anwendungsgebiete und die Rolle von Frameworks innerhalb des Deep Learning Prozesses erklärt.
- Deep Learning Frameworks: Dieses Kapitel stellt verschiedene Deep Learning Frameworks vor, darunter TensorFlow, Keras, PyTorch, CNTK, MXNET und Theano. Es werden die Besonderheiten der Frameworks, ihre Funktionsweisen und Einsatzmöglichkeiten diskutiert.
Schlüsselwörter
Die wichtigsten Schlüsselwörter des Textes sind: Künstliche Intelligenz, Maschinelles Lernen, Deep Learning, Deep Learning Frameworks, TensorFlow, Keras, PyTorch, CNTK, MXNET, Theano, Neuronale Netze, Anwendungsgebiete, Erfolgskriterien.
- Citar trabajo
- Marco Nitschke (Autor), 2021, Künstliche Intelligenz und Maschinelles Lernen. Vergleich der Deep Learning Frameworks TensorFlow, Keras, PyTorch, CNTK und MXNeT, Múnich, GRIN Verlag, https://www.grin.com/document/1043196
