Neuronale Netze programmieren mit Python
- Titel ist leider vergriffen;
keine Neuauflage - Artikel merken
- Schneller Einstieg mit allen Python- und Mathegrundlagen
- Lernalgorithmen, Aktivierungsfunktionen, Backpropagation
- Inkl. Online-Lernumgebung und Einstieg in TensorFlow
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.
Um sie gewinnbringend einzusetzen oder um zu verstehen, worauf ihr Erfolg beruht, lernen Sie sie gründlich kennen: 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.
Schritt für Schritt zum trainierten Modell
Grundlagen
Für Ihren leichten Einstieg haben die Autoren eine Lernumgebung vorbereitet, erläutern alle mathematischen Konzepte von Grund auf und fangen mit einfachen Neuronalen Netzen an. Python-Crashkurs inklusive.
Praxis, Praxis, Praxis
Die Theorie ist in diesem Fall wirklich wichtig. Aber dann entwickeln Sie selbst, und zwar verschiedene Netztypen – und wenden sie auf verschiedene Fragestellungen an.
Die Maschinen lernen lassen
Neuronale Netze müssen trainiert werden, und dabei kommt es auf das Wie an! Lernen Sie direkt am Beispiel, Fallstricke zu umgehen, Trainingsdaten geschickt zu nutzen, Werkzeuge auszuwählen und die Trefferquoten ihrer Modelle zu erhöhen.
Sie erlernen:
- Die Grundidee hinter Neuronalen Netzen
- Ein einfaches Neuronales Netz aufbauen
- Neuronale Netze trainieren
- Überwachtes und unüberwachtes Lernen
- Wichtige mathematische Grundlagen
- Reinforcement Learning
- Verschiedene Netzarten und ihre Anwendungsbereiche
- Back Propagation
- Deep Learning
- Einführung in TensorFlow
- Werkzeuge für Data Scientists
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.
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.
Materialien zum Buch
12
Vorwort
13
1 Einleitung
17
Teil I Up and running
43
2 Das minimale Starterkit für die Entwicklung von neuronalen Netzen mit Python
45
3 Ein einfaches neuronales Netz
63
4 Lernen im einfachen Netz
93
5 Mehrschichtige neuronale Netze
129
6 Lernen im mehrschichtigen Netz
149
7 Convolutional Neural Networks
185
8 Programmierung von Convolutional Neural Networks mit TensorFlow
207
Teil II Deep Dive
239
9 Vom Hirn zum Netz
241
10 Die Evolution der neuronalen Netze
255
11 Der Machine-Learning-Prozess
279
12 Lernverfahren
313
13 Anwendungsbereiche und Praxisbeispiele
357
A Python kompakt
393
B Mathematik kompakt
421
Index
435
| Erscheinungsdatum | 26.04.2019 |
|---|---|
| Reihe/Serie | Rheinwerk Computing |
| Verlagsort | Bonn |
| Sprache | deutsch |
| Maße | 172 x 230 mm |
| Einbandart | kartoniert |
| Themenwelt | Informatik ► Programmiersprachen / -werkzeuge ► Python |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Schlagworte | Algorithmus • Buch Rheinwerk Verlag Computing Wissen Lernen Grundlagen Tutorials Workshops Einstieg Anfänger • C++ C# R Java • Deep learning • Einführung KI • Einführung KI • Einstieg Einsteiger Einführung KI • für Ingenieure • Hand-Buch lernen Grundlagen Kurse Tipps Workshops Tutorials Wissen Anleitung Training Ausbildung Bücher • Hand-Buch lernen Grundlagen Kurse Tipps Workshops Tutorials Wissen Anleitung Training Bücher • Ingenieure • KI • KNN • Künstliche Intelligenz • Künstliche Intelligenz • machine learning • Mathe-Grundlagen • Mathematik • Neuronale Netze • tensorflow • Tensor-Flow • Theorie Praxis |
| ISBN-10 | 3-8362-6142-1 / 3836261421 |
| ISBN-13 | 978-3-8362-6142-5 / 9783836261425 |
| Zustand | Neuware |
| Haben Sie eine Frage zum Produkt? |
aus dem Bereich
