Neuronale Netze programmieren mit Python

Schneller Einstieg mit allen Python- und Mathegrundlagen

Verlag	Rheinwerk Verlag
Fassung	479 Seiten, Softcover, 2. Auflage
Erschienen	06/2020
ISBN	978-3-8362-7450-0 9783836274500

Buch

€29,90 inkl. MwSt.

Best.-Nr.: RW-7450

Versandkostenfrei (D)

Lieferbar in 48 h

Neuronale Netze programmieren mit Python

Schneller Einstieg mit allen Python- und Mathegrundlagen

Verlag:	Rheinwerk Verlag
Fassung:	479 Seiten, Softcover, 2. Auflage
Erschienen:	06/2020
ISBN:	978-3-8362-7450-0 9783836274500

Best.-Nr.: RW-7450
Lieferbar in 48 h

€29,90 inkl. MwSt.

Versandkostenfrei (D)

Best.-Nr.:

eBook (PDF)

€ inkl. MwSt.

Inhaltsverzeichnis:	Jetzt downloaden
Leseprobe:	Jetzt downloaden

Neuronale Netze programmieren mit Python

Schneller Einstieg mit allen Python- und Mathegrundlagen

Best.-Nr.: RW-7450
Lieferbar in 48 h

€29,90 inkl. MwSt.

Versandkostenfrei (D)

Verlag:	Rheinwerk Verlag
Fassung:	479 Seiten, Softcover, 2. Auflage
Erschienen:	06/2020
ISBN:	978-3-8362-7450-0 9783836274500
Inhaltsverzeichnis:	Jetzt downloaden
Leseprobe:	Jetzt downloaden

Inhaltsverzeichnis

Leseprobe

Neuronale Netze stehen im Mittelpunkt, wenn es um Künstliche Intelligenz und Machine Learning geht. Sie revolutionieren derzeit die verschiedensten Anwendungsgebiete vom Strategiespiel bis zur Bild- und Spracherkennung. In neuronalen Netzen stecken geniale Ideen, die sich zum Glück einfach erklären lassen. Die Experten Joachim Steinwendner und Roland Schwaiger helfen Ihnen dabei, neuronale Netze zu verstehen und selber zu entwickeln.

Um sie gewinnbringend einzusetzen, programmieren Sie verschiedene Netztypen selbst nach. Und zwar in Python, der Hauptsprache der KI-Welt. Sie werden sich dabei mit Mathematik und Programmierung befassen, brauchen aber keine konkreten Vorkenntnisse. Alles wird Ihnen besonders anschaulich mit zahlreichen Abbildungen erklärt. Ein faszinierendes Buch, das Ihnen den Durchblick in der KI-Welt bringt.

Schritt für Schritt zum trainierten KI-Modell

Ihr Einstieg in die KI-Welt

Dieser Grundkurs erläutert Ihnen alle wichtigen Konzepte und bietet eine geeignete Lernumgebung. Los geht's mit einfachen neuronalen Netzen und schnellen ersten Erfolgen. Python-Crashkurs und Mathe-Grundlagen inklusive!

Praxis, Praxis, Praxis

Sobald das theoretische Fundament steht, entwickeln Sie Ihre eigenen Netze. Sie erstellen verschiedene Netztypen und wenden sie auf typische Aufgaben wie Bild- oder Handschriftenerkennung an.

So lernen Maschinen

Übung macht den Meister! Das gilt auch für die Netze. Direkt am Beispiel lernen Sie, wie Sie Ihre Netze geschickt trainieren. Dazu gehört: Fallstricke umgehen, Werkzeuge einsetzen und die Trefferquote Ihrer Modelle erhöhen.

Mit allen Codebeispielen zum Download

Das Klassifikationsergebnis eines Fotos mittels KI

Aus dem Inhalt

Grundlagen

Lernumgebung installieren
Einfache neuronale Netze
aufbauen
Netze trainieren
Wichtige mathematische
Begriffe

Einblicke

überwachtes und unüberwachtes Lernen
Reinforcement Learning
Verschiedene Netztypen
Backpropagation
Deep Learning

Werkzeuge

Jupyter Notebook
TensorFlow 2 mit Keras
Python-Bibliotheken für Data
Science

Hier das ganze Inhaltsverzeichnis lesen.

In dieser Leseprobe richten Sie Ihre Entwicklungsumgebung für Python ein und lernen den Anaconda Navigator und Jupyter Notebook kennen.
Im zweiten Teil starten Sie mit der einfachsten Form neuronaler Netze, sogenannten Perceptrons oder „Lineare Klassifizierer“. Diese ermöglichen die Einordnung von „Dingen“ in zwei Kategorien, so lässt sich etwa einem fahrbaren Roboter beibringen, Löcher und andere Hindernisse zu erkennen.

Wer hat’s geschrieben?

Dr. Joachim Steinwendner ist wissenschaftlicher Projektleiter mit den Schwerpunkten Data Science, Maschinelles Lernen, Empfehlungssysteme und Deep Learning. Er hat die Entwicklung der Neuronalen Netze vom zukunftsweisenden Forschungssujet bis zur heutigen Alltagsrelevanz wissenschaftlich und für verschiedenen Branchen begleitet.

Dr. Roland Schwaiger ist Softwareentwickler, freiberuflicher Trainer und Berater. Die Entwicklung künstlicher Neuronaler Netze hat der promovierte Mathematiker viele Jahre über als Forscher begleitet und im Bereich Bilderkennung angewandt. Bei seiner Arbeit legt er Wert darauf, Theorie und Praxis zu verbinden. Ob als Autor, Kundenberater oder in seinen Seminaren – er ist begeistert, wenn der Funke überspringt.