Neuronale Netze programmieren mit Python (3. Auflg.)
Schritt für Schritt zum trainierten KI-Modell: ein Praxisbuch für Einsteiger in 3. Auflage aus dem Januar 2025.
- Schneller Einstieg mit allen Python- und Mathegrundlagen
- Lernalgorithmen, Aktivierungsfunktionen, Backpropagation, Transformer-Netze
- Inkl. Online-Lernumgebung und Einstieg in TensorFlow
- Im heise shop als gedrucktes Buch erhältlich
Artikel-Beschreibung
Geniale Ideen einfach erklärt. Das Praxisbuch für Einsteiger in 3. Auflage aus dem Januar 2025.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.
Schritt für Schritt zum trainierten KI-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.
- 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
- Programmieren von Transformer-Netzen
- Einführung in TensorFlow
- Ethische, rechtliche und ökologische Fragen
Die Autoren:
Dr. Roland Schwaiger ist in so manchen Bereichen der IT-Welt zuhause – Entwickler, Dozent, Forscher und Autor.
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.
Artikel-Details
Anbieter:
Rheinwerk Verlag
Autor:
Roland Schwaiger, Joachim Steinwendner
Artikelnummer:
9783367102549
Veröffentlicht:
07.01.25
Seitenanzahl:
510