Neuronale Netze programmieren mit Python

Ihre Einführung in die Künstliche Intelligenz. Inkl. KI-Lernumgebung und Einstieg in TensorFlow

von

Schwaiger, RolandSteinwendner, Joachim

Verkaufsrang27inInformatik - EDV

BuchKartoniert, Paperback

447 Seiten

Deutsch

Rheinwerk Verlag GmbH2019

Verfügbare Formate

BuchKartoniert, Paperback

EUR30,80

E-BookEPUBKopierschutz: Wasserzeichen, Lesegeräte: PC/MAC/eReader/TabletElectronic Book

EUR26,90

Geniale Ideen einfach erklärt
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....mehr

Auf dieser Seite:

EUR30,80

lieferbar

ins Einkaufssackerl

Anzahl	Vorrätig in Filiale
1	WienWollzeile 11
1	VösendorfSCS G 299
4	GrazAm Eisernen Tor 1
	Mehr

Merkzetterl

Produkt

KlappentextGeniale Ideen einfach erklärt
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.

Details

ISBN/EAN978-3-8362-6142-5

ProduktartBuch

EinbandartKartoniert, Paperback

FormatPaperback (Deutsch)

Verlag

Rheinwerk Verlag GmbH

Erscheinungsjahr2019

Erscheinungsdatum26.04.2019

ReiheRheinwerk Computing

Seiten447 Seiten

SpracheDeutsch

Artikel-Nr.23750424

Rubriken

GenreInformatik - EDV

Unser Service

ÖSTERREICHWEIT VERSANDKOSTENFREI!
Filialverfügbarkeit ist bei lagernden Titeln ersichtlich
Abholung in einer unserer Buchhandlungen
14 Tage Rücktrittsrecht

Lieferbarkeit

Der angebotene Artikel ist in der Regel kurzfristig (1-2 Werktage) lieferbar. Sollte es wider Erwarten nicht so sein, erhalten Sie eine Benachrichtigung.
Achtung Schulartikel (Lehrbücher/Lösungshefte) können eine längere Lieferzeit von ca. 5-6 Werktagen haben.

Inhalt/Kritik

InhaltsverzeichnisMaterialien zum Buch ... 12
Vorwort ... 13
1. Einleitung ... 17
1.1 ... Wozu neuronale Netze? ... 17
1.2 ... Über dieses Buch ... 18
1.3 ... Der Inhalt kompakt ... 19
1.4 ... Ist die Biene eine Königin? ... 23
1.5 ... Ein künstliches neuronales Netz für den Bienenstaat ... 24
1.6 ... Von der Biologie zum künstlichen Neuron ... 28
1.7 ... Einordnung und der Rest ... 33
1.8 ... Zusammenfassung ... 40
1.9 ... Referenzen ...... 41
Teil I Up and running ... 43
2. Das minimale Starterkit für die Entwicklung von neuronalen Netzen mit Python ... 45
2.1 ... Die technische Entwicklungsumgebung ... 45
2.2 ... Zusammenfassung ... 62
3. Ein einfaches neuronales Netz ... 63
3.1 ... Vorgeschichte ... 63
3.2 ... Her mit dem neuronalen Netz! ... 63
3.3 ... Neuron-Zoom-in ... 67
3.4 ... Stufenfunktion ... 71
3.5 ... Perceptron ... 73
3.6 ... Punkte im Raum - Vektorrepräsentation ... 75
3.7 ... Horizontal und vertikal - Spalten- und Zeilenschreibweise ... 81
3.8 ... Die gewichtete Summe ... 84
3.9 ... Schritt für Schritt - Stufenfunktionen ... 84
3.10 ... Die gewichtete Summe reloaded ... 85
3.11 ... Alles zusammen ... 86
3.12 ... Aufgabe - Roboterschutz ... 88
3.13 ... Zusammenfassung ... 91
3.14 ... Referenzen ... 91
4. Lernen im einfachen Netz ... 93
4.1 ... Vorgeschichte: Man lässt planen ... 93
4.2 ... Lernen im Python-Code ... 95
4.3 ... Perceptron-Lernen ... 95
4.4 ... Trenngerade für einen Lernschritt ... 99
4.5 ... Perceptron-Lernalgorithmus ... 100
4.6 ... Die Trenngeraden bzw. Hyperplanes oder auch Hyperebenen für das Beispiel ... 105
4.7 ... scikit-learn-kompatibler Estimator ... 109
4.8 ... scikit-learn-Perceptron-Estimator ... 116
4.9 ... Adaline ... 118
4.10 ... Zusammenfassung ... 126
4.11 ... Referenzen ... 128
5. Mehrschichtige neuronale Netze ... 129
5.1 ... Ein echtes Problem ... 129
5.2 ... XOR kann man lösen ... 131
5.3 ... Vorbereitungen für den Start ... 135
5.4 ... Der Plan für die Umsetzung ... 137
5.5 ... Das Setup ("class") ... 138
5.6 ... Die Initialisierung ("__init__") ... 140
5.7 ... Was für zwischendurch ("print") ... 142
5.8 ... Die Auswertung ("predict") ... 143
5.9 ... Die Verwendung ... 145
5.10 ... Zusammenfassung ... 147
6. Lernen im mehrschichtigen Netz ... 149
6.1 ... Wie misst man einen Fehler? ... 149
6.2 ... Gradientenabstieg an einem Beispiel ... 151
6.3 ... Ein Netz aus sigmoiden Neuronen ... 160
6.4 ... Der coole Algorithmus mit Vorwärts-Delta und Rückwärts-Multiplikation ... 162
6.5 ... Ein "fit"-Durchlauf ... 175
6.6 ... Zusammenfassung ... 184
6.7 ... Referenz ... 184
7. Convolutional Neural Networks ... 185
7.1 ... Aufbau eines CNN ... 187
7.2 ... Der Detektionsteil ... 188
7.3 ... Der Identifikationsteil ... 195
7.4 ... Trainieren von Convolutional Neural Networks ... 197
7.5 ... Zusammenfassung ... 206
7.6 ... Referenzen ... 206
8. Programmierung von Convolutional Neural Networks mit TensorFlow ... 207
8.1 ... Einführung in TensorFlow ... 207
8.2 ... Convolutional Networks zur Handschriftenerkennung ... 215
8.3 ... Transfer Learning mit Convolutional Neural Networks ... 228
8.4 ... Zusammenfassung ... 237
8.5 ... Referenzen ... 237
Teil II Deep Dive ... 239
9. Vom Hirn zum Netz ... 241
9.1 ... Ihr Gehirn in Aktion ... 241
9.2 ... Das Nervensystem ... 242
9.3 ... Das Gehirn ... 243
9.4 ... Neuronen und Gliazellen ... 245
9.5 ... Eine Übertragung im Detail ... 247
9.6 ... Darstellung von Zellen und Netzen ... 250
9.7 ... Zusammenfassung ... 252
9.8 ... Referenzen ... 253
10. Die Evolution der neuronalen Netze ... 255
10.1 ... 1940er ... 255
10.2 ... 1950er ... 258
10.3 ... 1960er ... 260
10.4 ... 1970er ... 260
10.5 ... 1980er ... 261
10.6 ... 1990er ... 274
10.7 ... 2000er ... 275
10.8 ... 2010er ... 275mehr

Kritik"Insgesamt erhält der Leser eine rundum gelungene, recht gründliche und gut verständliche Einführung ins maschinelle Lernen mit neuronalen Netzen, die durch zahlreiche Codebeispiele immer nah an der Praxis bleibt." LINUX MAGAZIN 201907

Bewertungen

Kommentar verfassen

Schlagworte

VLB

Algorithmus Algoritmus

Deep learning

Einsteiger KI-Programmierung

Entwicklung Entwickeln

Hand-Buch lernen Grundlagen Kurse Tipps Workshops Tutorials Wissen Anleitung Training Bücher

Java

KNN

Künstliche Intelligenz

Autor

Schwaiger, RolandSteinwendner, Joachim

Schwaiger, Roland
Dr. Roland Schwaiger studierte an der Bowling Green State University, OH (USA) Computer Science und an der Universität Salzburg (Österreich) Angewandte Informatik und Mathematik und promovierte dort im Bereich Mathematik. Nach mehrjähriger Assistententätigkeit an der Universität Salzburg kam er 1996 als Softwareentwickler zur SAP AG und entfaltete dort seine Fähigkeiten für drei Jahre im Bereich Human Resources in einem anregenden und inspirierenden Umfeld. Seit 1999 ist er als freiberuflicher Trainer, Lektor, Berater und Entwickler tätig (Zertifizierter Development Consultant SAP NetWeaver 2004 - Application Development Focus ABAP). Er setzt seine akademische Vorbildung und das bei SAP erworbene Wissen, abgerundet durch einen MBA in Prozess- und Projektmanagement, für die Softwareentwicklung in konkreten Entwicklungsprojekten und SAP-Schulungen ein. Die dort wiederum erworbenen Erkenntnisse trägt er zurück in die akademische Welt und verknüpft so Theorie und Praxis.
Steinwendner, Joachim
Dr. Joachim Steinwendner ist wissenschaftlicher Projektleiter am Laboratory of Web Science an der Fernfachhochschule Schweiz.