Neuronale Netze programmieren mit Python
Rheinwerk (Verlag)
978-3-367-10254-9 (ISBN)
- Schneller Einstieg mit allen Python- und Mathegrundlagen
- Lernalgorithmen, Aktivierungsfunktionen, Backpropagation, Transformer-Netze
- Inkl. Online-Lernumgebung und Einstieg in TensorFlow
Schritt für Schritt zum trainierten KI-Modell
Neuronale Netze sind die Technologie hinter Deep Learning, Machine Learning und generativer Künstlicher Intelligenz wie ChatGPT. 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.
Unsere Experten 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. Roland Schwaiger und Joachim Steinwendner erklären Ihnen alles besonders anschaulich mit zahlreichen Abbildungen.
Ein faszinierendes Buch, das Ihnen den Durchblick in der KI-Welt bringt.
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.
Aus dem Inhalt:
Die Grundidee hinter Neuronalen Netzen
Ein einfaches Neuronales Netz aufbauen
Neuronale Netze trainieren
Überwachtes und unüberwachtes Lernen
Einführung in TensorFlow
Kompaktkurs Python
Wichtige mathematische Grundlagen
Reinforcement Learning
Verschiedene Netzarten und ihre Anwendungsbereiche
Back Propagation
Deep Learning
Werkzeuge für Data Scientists
Dr. Roland Schwaiger ist in so manchen Bereichen der IT-Welt zuhause – Entwickler, Dozent, Forscher und Autor. In seinem Buch „Schrödinger programmiert ABAP“ oder "Neuronale Netze programmieren mit Python" verbindet er technisches Know-how mit einem lockeren, humorvollen Stil, der selbst komplexe Themen verständlich und unterhaltsam macht. Seine berufliche Reise begann nach dem Studium der Informatik und Mathematik an der Bowling Green State University (Ohio, USA) und der Universität Salzburg, wo er in Mathematik/Informatik promovierte. Als Softwareentwickler bei der SAP AG in Walldorf sammelte er praktische Erfahrungen im Bereich Human Resources, bevor er sich der Wirtschaft und anwendungsbezogenen Projekten widmete. Seit Anfang 2000 unterrichtet Dr. Schwaiger an Fachhochschulen, Universitäten und für SAP. Dort bringt er Studierenden und Schulungsteilnehmern die Feinheiten der ABAP-Programmierung und Themen wie künstliche Intelligenz näher. Seine angewandte Forschung dreht sich um Künstliche Neuronale Netze, Evolutionäre Algorithmen und innovative Ansätze in der Softwareentwicklung. Als Geschäftsführer der NoR GmbH, einem Unternehmen mit Fokus auf SAP-HCM, SAP-Technologien und KI, bringt er Praxis und Forschung zusammen. Ob in Vorlesungen, Workshops oder seinem Buch – Dr. Schwaiger vermittelt nicht nur Wissen, sondern auch Begeisterung für die Welt der Informatik.
Prof. Dr. Joachim Steinwendner ist Forschungsfeldleiter für Digital GeoHealth an der Fernfachhochschule Schweiz mit einer fundierten Expertise in Data Science, Maschinellem Lernen, Empfehlungssystemen und Deep Learning. Seine Forschungsarbeit umfasst die Entwicklung und Anwendung Künstlicher Intelligenz, insbesondere Neuronaler Netze, in den Domänen der Gesundheits- und Geoinformatik. Als Dozent an verschiedenen Hochschulen (unter anderem der ETH Zürich) legt er großen Wert darauf, komplexe KI-Technologien didaktisch ansprechend und verständlich zu vermitteln, um Studierende für diese Themen zu begeistern und praxisnah auf die Herausforderungen der digitalen KI-Transformation vorzubereiten.
»Neuronale Netze programmieren mit Python ist eine ausgezeichnete Wahl für jeden, der sich intensiv mit künstlicher Intelligenz und maschinellem Lernen auseinandersetzen möchte. Die Kombination aus theoretischer Fundierung, praktischen Übungen und moderner Didaktik macht dieses Buch zu einer wertvollen Ressource für Studierende, Fachleute und Technik-Enthusiasten gleichermaßen. Besonders hervorzuheben ist die gelungene Balance zwischen Zugänglichkeit und Tiefgang, die es sowohl Einsteigern als auch Fortgeschrittenen ermöglicht, von diesem Werk zu profitieren.«
| Erscheinungsdatum | 19.12.2024 |
|---|---|
| Verlagsort | Bonn |
| Sprache | deutsch |
| Maße | 172 x 230 mm |
| Einbandart | kartoniert |
| Themenwelt | Informatik ► Programmiersprachen / -werkzeuge ► Python |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Schlagworte | Algorithmus Algoritmus • ChatGPT • Deep-Learning • Einstieg KI-Programmierung • Hand-Buch lernen Anleitung Tutorial Howto • KNN • Künstliche Intelligenz • Künstliches neuronales Netz • machine-learning • Mathematik • Neuronale Netze einfach erklärt • Python Java • Technik • Tensor-Flow |
| ISBN-10 | 3-367-10254-7 / 3367102547 |
| ISBN-13 | 978-3-367-10254-9 / 9783367102549 |
| Zustand | Neuware |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
aus dem Bereich
