​​​​​heise+ | Tutorial Deep Learning: Einsatz des trainierten Modells auf der Zielhardware
#DeepLearning #Jetson #Keras #ONNX #Softwareentwicklung #TensorFlow

Der Weg trainierter Modelle auf die Zielsysteme fällt mitunter sehr verschieden aus․ Entwickler müssen vor allem auf die Leistung und den Stromverbrauch achten․

​​​​​heise-Angebot: Intensivkurs: Deep Learning mit TensorFlow und Keras
#DeepLearning #Keras #KünstlicheIntelligenz #MachineLearning #TensorFlow

Lernen Sie an vier Tagen, wie man Machine-Learning-Anwendungen mit komplexen neuronalen Netzen entwickelt und betreibt․

​​​​​Machine Learning: TensorFlow 2․4 rechnet mit NumPy-APIs
#Framework #Google #Keras #MachineLearning #TensorFlow #mixedPrecision

Neben der direkten Anbindung an NumPy führt das Machine-Learning-Framework eine neue Methode für asynchrones paralleles Modelltraining ein․

​​​​​heise-Angebot: Online-Intensivkurs: Deep Learning mit TensorFlow und Keras
#Keras #KünstlicheIntelligenz #ML #MachineLearning #Python #TensorFlow

Lernen Sie an vier Tagen in vielen Übungen, wie man in Python Machine-Learning-Anwendungen mit komplexen neuronalen Netzen entwickelt und betreibt․

​​​​​heise-Angebot: Die Webinar-Serie von Heise: Machine Learning in der Praxis
#DataScience #DeepLearning #Keras #MachineLearning #Python #TensorFlow

An fünf Terminen im März und April können sich Interessierte in 20 praxisnahen Stunden zu den wichtigsten Themen im Bereich Machine Learning weiterbilden․

​​​​​heise-Angebot: Deep Learning mit TensorFlow und Keras: Das XXL-Webinar von Heise
#DataScience #Keras #MachineLearning #TensorFlow

Am 24․ März lernen Interessierte den Einsatz der Machine-Learning-Bibliotheken praxisnah․ Wer gleich die komplette Webinar-Serie bucht, spart ordentlich Geld․

​​​​​heise-Angebot: Natural Language Processing mit Keras: Das XXL-Webinar von Heise
#DeepLearning #Keras #MachineLearning #NLP #heiseAcademy

Am 24․ November lernen Interessierte praxisnah den Einsatz von Natural Language Processing․ Wer gleich die komplette Webinar-Serie bucht, spart ordentlich Geld․

​​​​​Machine Learning: TensorFlow 2․8 soll Funktionen von TensorFlow Lite erweitern
#DeepLearning #Keras #MachineLearning #TensorFlow #TensorflowLite

Der erste Release Candidate für Version 2․8 gibt einen Ausblick auf umfangreiche Änderungen – inklusive Breaking Changes für die zugehörige Python-API Keras․

​​​​​heise+ | Automatisiertes Machine Learning mit AutoKeras
#AutoKeras #AutomatedMachineLearning #Keras #KünstlicheIntelligenz #MachineLearning #MachineLearningTools #TensorFlowjs #AutoML

Wer gängige Aufgaben des maschinellen Lernens mit Keras lösen will, muss viele Zeilen Programmcode eintippen․ AutoKeras versucht schneller ans Ziel zu kommen․

​​​​​Machine-Learning: Keras gewinnt in TensorFlow 2․10 an Usability
#ARM #AmazonWebServices #DeepLearning #Intel #Keras #MachineLearning #TensorFlow #TensorflowLite

TensorFlow erhöht die Keras-Nutzerfreundlichkeit durch einen neuen Umgang mit Attention Layern und geht eine Kooperation mit Intel, AWS und weiteren ein․

​​​​​Machine Learning: TensorFlow 2․12 wird ein neues Keras-Speicherformat einführen
#Google #Keras #MachineLearning #MachineLearningFramework #Python #TensorFlow

Der aktuelle Release Candidate bringt ein neues Speicherformat für Keras-Modelle sowie einen neuen Namespace und entfernt redundante Pakete․

​​​​​heise+ | KI in Python: Mit neuronalen Netzen ein selbstlernendes System entwickeln
#DeepQLearning #Keras #KünstlicheIntelligenz #MachineLearning #Python #QLearning

Bei Umgebungen mit vielen Zuständen stößt Q-Learning an seine Grenzen․ Mit Deep-Q-Learning setzt man neuronale Netze ein, um ein Problem effizient zu lösen․

​​​​​Machine Learning: Keras Core bringt das Multi-Backend zurück
#Keras #MachineLearning #Python #TensorFlow

Die Beta für Keras Core bietet eine Multi-Backend-Implementierung und kann mit TensorFlow, JAX, and PyTorch umgehen․ Im Herbst soll sie zu Keras 3․0 werden․

​​​​​Keras 3․0 ist da – für drei ML-Frameworks
#Keras #KünstlicheIntelligenz #MachineLearning #PyTorch #TensorFlow

Die High-Level-Schnittstelle Keras für die Entwicklung von Deep-Learning-Modellen spricht jetzt nicht nur mit TensorFlow, sondern auch mit JAX und PyTorch․