Praktisch diep leren: een op Python gebaseerde introductie, 2e editie

Maak van diepgaand leren uit de theorie een praktische vaardigheid

Praktisch diep leren: een op python gebaseerde introductie (2e editie)
Gepubliceerd door No Starch Press, 2025

Deep learning is niet langer experimenteel. Het is overal: zoekmachines, aanbevelingssystemen, medische beeldvorming, fraudedetectie en generatieve AI. Maar het op de juiste manier leren is nog steeds frustrerend moeilijk.

Dit boek is er om dat op te lossen.

Practical Deep Learning, 2e editie is een praktische, Python-eerste introductie tot deep learning waarbij je wordt behandeld als een bouwer, niet als een toeschouwer. Het verdrinkt je niet in abstracte wiskunde of academische omwegen. In plaats daarvan richt het zich op wat er echt toe doet: begrijpen hoe moderne neurale netwerken werken en leren hoe deze correct, efficiënt en verantwoord te implementeren.

Deze tweede editie is volledig herzien om weer te geven hoe deep learning tegenwoordig wordt beoefend, met duidelijkere uitleg, moderne architecturen, betere workflows en praktijkprojecten.

Waarom dit boek opvalt

🧠 Intuïtie waarop je kunt vertrouwen

Je bouwt een sterk mentaal model van deep learning op voordat je in vergelijkingen duikt. Elk concept wordt uitgelegd in duidelijke taal, ondersteund door visuele intuïtie en concrete Python-voorbeelden, zodat je weet waarom iets werkt, niet alleen hoe je het moet uitvoeren.

🐍 Python vanaf de basis

Alle modellen zijn geïmplementeerd in Python met behulp van moderne deep learning-bibliotheken en best practices. Je leert hoe professionals trainingslussen structureren, gegevenspijplijnen beheren, modellen evalueren en fouten opsporen.

🛠 Leren door echte systemen te bouwen

Dit is geen verzameling losse voorbeelden. Je werkt aan complete, realistische projecten: beeldclassificaties, tekstmodellen en neurale netwerken die rommelige, imperfecte gegevens verwerken. Elk hoofdstuk bouwt voort op het vorige en versterkt de kernideeën door herhaling en toepassing.

🔄Volledig geüpdatet voor modern deep learning

De 2e editie weerspiegelt het landschap van vandaag:

* Schonere, beter onderhoudbare code
* Verbeterde uitleg van CNN's, sequentiemodellen en aandacht
* Bijgewerkte tools, workflows en prestatietips
* Grotere nadruk op evaluatie, overfitting en generalisatie

Wat je leert

Aan het einde van het boek kun je:

* Begrijp de kernideeën achter neurale netwerken zonder mystiek
* Implementeer en train modellen met vertrouwen met Python
* Werken met afbeeldingen, tekst en gestructureerde gegevens
* Herken veelvoorkomende faalwijzen en weet hoe je deze kunt oplossen
* Lees de artikelen en documentatie over deep learning met duidelijkheid
* Overgang van zelfstudies naar onafhankelijke experimenten

Voor wie is dit boek?

* Ontwikkelaars die praktische deep learning-vaardigheden willen
* Datawetenschappers klaar om verder te gaan dan klassieke ML
* Studenten die op zoek zijn naar een duidelijke, praktische introductie
* Ingenieurs die modellen willen bouwen en niet alleen notebooks willen gebruiken

Je hebt geen doctoraat nodig.
Je hebt geen jaren wiskunde nodig.
Je hebt de juiste uitleg nodig, en veel oefening.

Wat maakt de tweede editie beter?

Met de eerste editie konden duizenden lezers aan de slag. De tweede editie gaat verder: een soepelere leercurve, scherpere uitleg, meer realistische projecten en een sterkere focus op hoe deep learning tegenwoordig wordt gebruikt in productie en onderzoek.

Dit is het boek waar je naar toe wilt als je wilt dat deep learning je niet langer kwetsbaar voelt en je praktisch begint te worden.

Deep learning beloont degenen die de basisprincipes begrijpen en toepassen.

Praktisch deep learning, 2e editie
Werk aan echte intuïtie. Schrijf echte code. Treinmodellen die echt werken.