"Dive Into Deep Learning" - ein interaktives Buch
Altenholz, November 2022 - Das Thema Deep Learning ist zwar in aller Munde, aber oft ist es schwierig, für den Einstieg das passende Buch oder den richtigen Kurs inklusive passender Programmierbeispiele zu finden. Das Open Source-Projekt D2L will mit dem kostenlosen Buch "Dive into Deep Learning" Abhilfe schaffen. Es unterscheidet sich grundlegend von einem herkömmlichen Lehrbuch, da es komplett interaktiv gestaltet ist. Die einzelnen Kapitel sind als Jupyter Notebooks verfügbar, in denen man das Gelernte direkt in die Praxis umsetzen kann.
Wer lieber den klassischen Weg gehen möchte, kann das Buch als PDF-Dokument herunterladen oder als Print-Version kaufen, allerdings mit Einschränkungen: Während die chinesische gedruckte Variante ein Bestseller ist, ist die englische Print-Ausgabe zurzeit nur für Lehrer und Professoren über die Autoren beziehbar.
Das Projekt D2L ist auf GitHub gehostet. Die federführenden Autoren Aston Zhang, Zack C. Lipton, Mu Li und Alex J. Smola sowie viele freiwillige Kontributoren halten es ständig auf dem neusten Stand. Während das Hauptprojekt in englischer Sprache verfasst ist, existieren Übersetzungen in diverse andere Sprachen, die als eigene Repositories auf GitHub angelegt, aber nicht immer auf dem aktuellen Stand sind. Die chinesische, türkische und japanische Version entsprechen weitgehend der englischen, aber die deutsche Übersetzung wurde seit über zwei Jahren nicht mehr aktualisiert.
Die Textinhalte sind unter der Lizenz Creative Commons Attribution-ShareAlike 4.0 International verfügbar. Die Beispielprogramme und der Referenzcode stehen unter einer modifizierten MIT-Lizenz. Das Open Source-Projekt sollte man nicht mit der gleichnamigen Firma D2L verwechseln, die Lernplattformen wie Brightspace und Wave anbietet und mit dem interaktiven Buch nichts zu tun hat.
Ziel von D2L ist es, sowohl theoretisches Verständnis als auch praktisches Implementierungswissen über Deep Learning zu vermitteln. Dabei standen von Anfang an folgende Anforderungen im Vordergrund: Der Kurs soll für jeden kostenlos verfügbar sein. Er soll ausreichend technisch in die Tiefe gehen, um einen Startpunkt für angehende Maschine Learning-Profis zu bieten und dabei gleichzeitig anhand von ausführbarem Code zeigen, wie sich konkrete Problemstellungen in der Praxis lösen lassen.
