Künstliche Intelligenz verstehen
- Mit JavaScript-Beispielen zum online Ausprobieren und Modifizieren
- Ohne Vorkenntnisse einsteigen, mit vielen Illustrationen
- Spiele-KI, Graphen, Neuronale Netze u. v. m.
Artikel-Beschreibung
Eine spielerische Einführung in die KI
Neugierig auf KI? Lust, zu experimentieren? Dann sind Sie hier richtig. Es erwartet Sie mehr als ein Buch: Eine Fülle von im Web bereitgestellten Beispielprogrammen zeigt, wie KI funktioniert. Probieren Sie aus, wie sie Texte ergänzt, Daten sortiert oder Spiele gewinnt – auch gegen Sie? Im Buch erfahren Sie, was dahinter steckt, und lernen einschlägige KI-Verfahren kennen. Schritt für Schritt wird die Logik ebenso erklärt wie die Umsetzung in JavaScript. Mit Infografiken und Cartoons von Sophia Sanner. Sie können die Projekte nachprogrammieren oder herunterladen oder sogar online verändern. Experimentieren erwünscht!
Aus dem Inhalt:
- Grundlagen aus der Informatik
- Wörter und Sätze vervollständigen
- Schreibfehler automatisch korrigieren
- Zusammenhänge erkennen und Daten ordnen
- Neuronale Netze
- Selbstlernende Algorithmen
Autoren:
Als Soundkünstler, Kulturmanager und Kurator verbindet Pit Noack Wissenschaft, Technik und Kunst. In seinen Tutorials und Workshops bringt er mit viel Herzblut Jugendlichen und Erwachsenen Grundlagen der Programmierung und der künstlichen Intelligenz bei.
Sophia Sanner ist freiberufliche Künstlerin, Kuratorin und Illustratorin. Mit ihren Cartoons und Infografiken gelingt es ihr, auch komplexere Themen auf humorvolle Weise anschaulich zu machen.
Artikel-Details
Anbieter:
Rheinwerk Verlag
Autor:
Sophia Sanner, Pit Noack
Artikelnummer:
9783836284677
Veröffentlicht:
08.12.22
Seitenanzahl:
334
Das könnte Sie auch interessieren:
Maschinelles Lernen mit R
39,99 €*
Wie bringt man Computern das Lernen aus Daten bei?Diese praxisorientierte Einführung vermittelt anhand zahlreicher Beispiele die Grundlagen des maschinellen Lernens mit R, H2O und Keras. Sie werden in die Lage versetzt, den jeweils zielführenden Ansatz auszuwählen und auf eigene Fragestellungen wie Bild-Klassifizierung oder Vorhersagen anzuwenden. Da fehlerhafte Daten den Lernerfolg gefährden können, wird der Datenvorbereitung und -analyse besondere Aufmerksamkeit gewidmet. R stellt hierfür hochentwickelte und wissenschaftlich fundierte Analyse-Bibliotheken zur Verfügung, deren Funktionsweise und Anwendung gezeigt werden. Sie erfahren, für welche Anwendungsfälle statistische Verfahren wie Regression, Klassifikation, Faktoren-, Cluster- und Zeitreihenanalyse ausreichen und wann Sie besser mit neuronalen Netzen wie z. B. CNNs oder RNNs arbeiten sollten. Hier kommen das Framework H20 sowie Keras zum Einsatz. Anhand von Beispielen wird gezeigt, wie Sie Stolpersteine beim Lernvorgang analysieren oder von vornherein vermeiden können. Darüber hinaus erfahren Sie, unter welchen Umständen Sie die Ergebnisse des maschinellen Lernens weiterverwenden können und wie Sie dabei vorgehen.Leseprobe (PDF-Link)Autor:Prof. Dr. Uli Schell lehrt seit 1997 an der Hochschule Kaiserslautern. Er ist stellvertretender Direktor des „Chinesisch-Deutschen Kollegs für Intelligente Produktion“ an der Shanghai DianJi University sowie Leiter der Technischen Akademie Südwest Kaiserslautern. Zuvor war er Software-Entwickler und Methoden-Berater bei BBC und der SAP AG.
KI-Sprachassistenten mit Python entwickeln
39,99 €*
Datenbewusst, open-source und modularSprachassistenten werden vermehrt in Bereichen wie z. B. Kundenkommunikation, Smart Home oder Automotive eingesetzt. Dieses Buch zeigt Ihnen, wie Sie in Python Schritt für Schritt einen eigenen Sprachassistenten komplett selbst entwickeln können – von der Architektur bis zur Paketierung der Anwendung. Zum einen lernen Sie, wie Sprachsynthese und Intents funktionieren und wie Sie diese einsetzen können. Zum anderen kommen Sie mit vielen Themen aus der professionellen Python-Entwicklung in Berührung, u. a. mit Logging, dynamischem Installieren von Paketen, dem „Einfrieren“ einer Anwendung oder der dazugehören Überführung in einen Installer.Ein weiteres wichtiges Thema ist der Datenschutz. Wenn Sie einen eigenen Assistenten programmiert haben, wissen Sie genau, welche Daten Sie rausgeben und welche auf Ihrem Gerät verarbeitet werden. Das schafft Vertrauen beim Anwender. Schreiben Sie Intents, denen auch sensible Daten anvertraut werden können. Darüber hinaus kann der selbst programmierte Assistent ein paar Dinge mehr als die Marktführer. Er reagiert z. B. individuell auf Ihre Stimme und Sie können ihm erlauben, nur auf Sie zu hören und andere Personen zu ignorieren.Aus dem Inhalt:Aufsetzen einer Entwicklungsumgebung, Versionsverwaltung mit GitText to Speech, Speech to Text, Fingerabdruck der StimmeDialogeIntents entwickeln und verwaltenUser InterfaceDie Anwendung paketierenAutor: Dr. Jonas Freiknecht arbeitet als Datenanalyst bei einem größeren IT-Systemhaus. Er hat in praktischer Informatik promoviert und erstellt seit vielen Jahren YouTube Videos zu IT-Themen, schreibt Fachbücher und veröffentlicht Tutorials auf seinem Blog.Leseprobe (PDF-Link)
Deep Natural Language Processing
39,99 €*
Einstieg in Word Embedding, Sequence-to-Sequence-Modelle und Transformer mit PythonDas Buch bietet eine leicht verständliche Einführung in Machine-Learning-Algorithmen im Allgemeinen und in die Verarbeitung von Textdaten mit Deep-Learning-Verfahren im Besonderen. Es veranschaulicht die theoretischen Konzepte bewährter und neuerer NLP-Ansätze und führt in die praktische Umsetzung ein.Im Fokus stehen insbesondere folgende Verfahren:Vektorisierung von Wörtern mit Word EmbeddingVerarbeitung von Texten mit rekurrenten und konvolutionalen neuronalen Netzen.Aufbau von Sequence-to-Sequence-Modellen zur Übersetzung und für Textzusammenfassungen.Arbeit mit der Transformers-Bibliothek und Hugging Face.Anhand praktischer Anwendungen (Klassizierung von Texten, Rechtschreibkorrektur, Übersetzung, Frage-Antwort-System) wird gezeigt, wie sich Textdaten vorbereiten und effektive Lernmodelle mit Bibliotheken wie Transformers, TensorFlow/Keras und Scikit-Learn aufbauen, trainieren und produktiv einsetzen lassen.Über den Autor:Dr. Jochen Hirschle ist IT-Trainer und Consultant für Machine Learning und Deep Learning in Braunschweig. Er ist erfahrener Programmierer in Python und Java und war als Wissenschaftler und Dozent an den Universitäten in Köln, Innsbruck und Frankfurt tätig. Er kennt die Fallstricke der statistischen Datenanalyse und die Tricks maschinellen Lernens aus seiner langjährigen Praxis und er weiß, wie sich komplexe Sachverhalte einfach erklären lassen.Leseprobe (PDF-Link)