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.
