Generative KI mit Python

PyTorch is the framework for deep learning-so dive on in! Learn how to train, optimize, and deploy AI models with PyTorch by following practical exercises and example code. You'll walk through using PyTorch for linear regression, classification, image processing, recommendation systems, autoencoders, graph neural networks, time series predictions, and language models-all the essentials. Then evaluate and deploy your models using key tools like MLflow, TensorBoard, and FastAPI. With information on fine-tuning your models using HuggingFace and reducing training time with PyTorch Lightning, this practical guide is the one you need!Highlights:1) Deep learning2) Linear regression3) Classification4) Computer vision5) Recommendation systems6) Autoencoders7) Graph neural networks (GNNs)8) Time series predictions9) Language models10) Pretrained networks11)Evaluation and deployment12)PyTorch Lightning

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