Sie möchten neuronale Netze mit C# entwickeln und Machine-Learning-Algorithmen in Ihren Projekten praktisch einsetzen? Dieses Buch liefert Ihnen eine gut verständliche Einführung zum Aufbau und Training von neuronalen Netzen und der wichtigen Algorithmen.Erstellen Sie Ihr erstes neuronales Netz am Beispiel einer vorausschauenden Wartung einer Produktionsmaschine. Sie lernen TensorFlow-Modelle in ML.NET zu benutzen oder Infer.NET direkt zu verwenden. Sie nutzen auch die Predictive- und Sentiment-Analyse, um sich mit Machine-Learning-Algorithmen vertraut zu machen.
Für alle Projekte im Buch wird C# verwendet, die Beispiele stehen zum Download zur Verfügung. Zum Verständnis und zur Arbeit mit den Projekten werden Grundkenntnisse in C# vorausgesetzt, große Rechnerressourcen werden für die Projekte nicht benötigt.
Aus dem Inhalt
- Künstliche Intelligenz: Grundlagen
- Konzepte und Methoden von Machine Learning
- Neuronale Netze bauen und trainieren
- Maschinensimulation mit Multilayer Perceptron (MLP)
- Backpropagation
- Recurrent Neural Networks
Hier das ganze Inhaltsverzeichnis lesen.- Convolutional Neural Networks
- Machine Learning as a Service
- Predictive Analytics
- Objekterkennung
- Sentiment-Analyse
In dieser
Leseprobe finden Sie verschiedene Auszüge aus dem Buch, unter anderem zu ML.NET, einem Open-Source- und plattformübergreifenden Framework. ML.NET dient der Erstellung und der Verwendung maschineller Lernmodelle, mit denen sich z.B. Prognosen, Empfehlungen oder Bildklassifizierungen durchführen lassen.
Wer hat's geschrieben?
Daniel Basler arbeitet als Lead Developer und Softwarearchitekt. Seine Schwerpunkte liegen auf Cross-Platform-Apps, Android, JavaScript und Microsoft-Technologien. Er entwickelt u.a. Software für die Bereiche Lagersteuerung (Regal- und Flächenlagersysteme) und Anlagenvisualisierung und setzt in diesem Umfeld verstärkt Machine Learning-Methoden ein. Darüber hinaus schreibt er regelmäßig Artikel für die Fachzeitschriften dotnetpro und web&mobile Developer.
