Das neue iX-Sonderheft!

Was soll dieser ganze KI-Hype gerade eigentlich? Das neue iX Special zeigt auf 154 Seiten, was man wissen muss, um technisch auf dem Stand der Zeit zu sein.

Die Redaktion wirft einen unvoreingenommenen und ehrlichen Blick hinter die Technik der großen KI-Modelle. Thema sind neben nach wie vor wichtigen Tools, Frameworks und Methoden natürlich auch die Rohstoffe des Machine Learnings - die Daten.

Im heise Shop gibt es das Special exklusiv als Super-Bundle bestehend aus Heft, PDF-Version und Fachbuch von O'Reilly.

Dazu auf dieser Seite: geballtes Wissen unserer Partnerverlage zu Machine Learning, Künstliche Intelligenz & Co.

Das aktuelle Sonderheft:

iX Special Künstliche Intelligenz

Mit diesem iX-Sonderheft Künstliche Intelligenz wirft die Redaktion einen unvoreingenommenen und ehrlichen Blick hinter die Technik der großen KI-Modelle. Thema sind neben nach wie vor wichtigen Tools, Frameworks und Methoden natürlich auch die Rohstoffe des Machine Learnings - die Daten.

Dieses Sonderheft ist im iX-Jahresabonnement enthalten.

14,90 €*
%
Bundle iX Special Künstliche Intelligenz (Heft + PDF)
Komplett im Set: gedrucktes Heft + digitale Ausgabe mit einer Ersparnis von 8,90 Euro. ►►► Die Themen des Sonderhefts im Überblick Basics KI-Modelle verschleiern ihre Funktionsweise gerne durch viele Abstraktionsschichten. Ein Blick hinter die Magie von ChatGPT und Stable Diffusion hilft, große KI-Modelle sinnvoll einzusetzen. Wir zeigen, wie spezielle KI-Hardware das Training beschleunigt, und gehen der Frage nach, wie die Qualität der Trainingsdaten die Fairness der Modelle beeinflusst. (Seite 7) Werkzeuge Python hat sich als die Programmiersprache der KI etabliert. Die Frameworks scikit-learn und PyTorch unterstützen Entwickler vom Einstieg bis zum professionellen Einsatz. Jupyter-Notebooks und ihre Alternativen aus der Cloud helfen beim Auswerten der Daten und beim Experimentieren mit Modellen. Aber wo kriegt man Trainingsdaten her? Wir weisen den Weg zu den wichtigsten öffentlichen Quellen. (Seite 49) Modelle einsetzen Für viele Einsatzzwecke gibt es bereits geeignete Modelle. Mit der Transformers-Bibliothek von Hugging Face lassen sie sich nutzen. Der neuste Trend bei Chatbots ist das Verknüpfen verschiedener Sprachmodelle. Mit dem Framework LangChain kann man KI-Agenten automatisieren und mit eigenen Daten füttern. Das Ergebnis von Dialogsystemen ist dabei vor allem von der Nutzereingabe – dem Prompt – abhängig. Geschicktes Prompting ist keine Glückssache. (Seite 85) KI selbst entwickeln KI-Modelle müssen nicht gleich alle Texte des Internets kennen oder Probleme wie den Klimawandel angehen können. Mit wenig Aufwand lassen sich eigene Modelle zum Experimentieren und zum Erfüllen kleiner Aufgaben erstellen. Das reicht von der neuronalen Suche in der Dokumentensammlung über das Erkennen von Emotionen in Selfies bis zum Klassifizieren der eigenen Musiksammlung mit einem KI-Modell. Wer mit Algorithmen und Modellen noch nicht so vertraut ist, lässt sich diese von AutoML-Werkzeugen vorschlagen. (Seite 105) Recht und Gesellschaft Beim Thema KI stehen Entwickler, Anwender und Gesetzgeber noch vor juristischen Herausforderungen. Wie und wo das Urheberrecht gilt, ist umstritten und die DSGVO ist beim Umgang mit Trainingsdaten möglicherweise ein Stolperstein. Kommende Richtlinien wie AI Act und Data Act gilt es jetzt schon mitzudenken. Dabei können KI-Governance-Frameworks Unternehmen Orientierung liefern. Zwei Interviews am Ende des Hefts ordnen den aktuellen gesellschaftlichen und technischen Stand ein und versuchen sich an einem Blick in die Zukunft. (Seite 127) Basics 8 Large Language Models Sprachmodelle verstehen und einsetzen 16 Generative KI Stable Diffusion seziert 20 KI-Beschleuniger So funktionieren KI-Chips 28 Hardware GPUs für das KI-Training 34 Bias und Fairness Warum KI oft unfair ist und was dagegen hilft 40 Datenqualität Data-centric AI: Wie Datenqualität Fairness beeinflusst Werkzeuge 50 Machine-Learning-Frameworks Einstieg in PyTorch 58 ML-UI Notebook-Umgebungen für Machine Learning 66 Data Science Mit scikit-learn Modelle erstellen 72 Datenquellen Offene Datenquellen für ML-Projekte 80 Algorithmen Assoziationsanalyse: Wer mit wem? Modelle anwenden 86 KI-Modell-Datenbanken Hugging Face – Zentrale für KI-Modelle 90 Modelle verketten Große Sprachmodelle mit LangChain verketten 98 Knowledge Destillation Große KI-Modelle mit Destillation eindampfen 102 Generative KI Das Einmaleins des Prompt Engineering KI selbst entwickeln 106 Dense Passage Retrieval Maschinen auf Text abrichten 110 MLOps Musikklassifikation mit eigenen Modellen 116 Bilderkennung Emotionen erkennen mit Deep Learning 122 AutoML AutoML mit Microsofts ML.NET Model Builder Recht und Gesellschaft 128 Rechtsrahmen KI im Spannungsfeld der Regulierung 132 Urheberrecht Kampf um das Urheberrecht 140 DSGVO KI versus Datenschutz 144 KI-Governance Vertrauenswürdige KI organisatorisch umsetzen 148 Ausblick Open-Source-Modelle können aufholen 150 Die Zukunft der KI – ohne Körper keine Intelligenz
20,90 €* 29,80 €* (29.87% gespart)
%
Superbundle iX Special Künstliche Intelligenz (Heft + PDF + Buch)
Mit dem Superbundle sparen Sie 14,90 Euro.Komplett im Set: gedrucktes Heft + digitale Ausgabe. Enthalten im Angebot ist auch das Buch "Natural Language Processing mit Transformern“ vom Dpunkt Verlag im Wert von 46,90 Euro. ►►► Zum Buch:Natural Language Processing mit Transformern in Erstauflage aus Februar 2023Dieses Praxisbuch zeigt Data Scientists und Programmierer*innen, wie sie NLP-Modelle mit Hugging Face Transformers, einer Python-basierten Deep-Learning-Bibliothek, trainieren und skalieren. Transformer liefern hervorragende Ergebnisse bei der maschinellen Sprachverarbeitung und haben sich in den letzten Jahren zur vorherrschenden Architektur im Natural Language Processing entwickelt.Erstellen, debuggen und optimieren Sie Transformer-Modelle für zentrale NLP-Aufgaben wie Textklassifizierung, Named Entity Recognition oder Question AnsweringLernen Sie, wie Transformer für sprachenübergreifendes Transfer Learning verwendet werdenWenden Sie Transformer auf reale Anwendungsfälle an, bei denen nur auf wenige gelabelte Daten zurückgegriffen werden kannOptimieren Sie Transformer-Modelle für das Deployment mit Techniken wie Distillation, Pruning und QuantisierungTrainieren Sie Transformer von Grund auf und lernen Sie, wie sie auf mehreren GPUs und verteilten Umgebungen skalieren►►► Zum iX-Sonderheft:Mit diesem Sonderheft Künstliche Intelligenz wirft die Redaktion einen unvoreingenommenen und ehrlichen Blick hinter die Technik der großen KI-Modelle. Thema sind neben nach wie vor wichtigen Tools, Frameworks und Methoden natürlich auch die Rohstoffe des Machine Learnings - die Daten. Basics KI-Modelle verschleiern ihre Funktionsweise gerne durch viele Abstraktionsschichten. Ein Blick hinter die Magie von ChatGPT und Stable Diffusion hilft, große KI-Modelle sinnvoll einzusetzen. Wir zeigen, wie spezielle KI-Hardware das Training beschleunigt, und gehen der Frage nach, wie die Qualität der Trainingsdaten die Fairness der Modelle beeinflusst. (Seite 7) Werkzeuge Python hat sich als die Programmiersprache der KI etabliert. Die Frameworks scikit-learn und PyTorch unterstützen Entwickler vom Einstieg bis zum professionellen Einsatz. Jupyter-Notebooks und ihre Alternativen aus der Cloud helfen beim Auswerten der Daten und beim Experimentieren mit Modellen. Aber wo kriegt man Trainingsdaten her? Wir weisen den Weg zu den wichtigsten öffentlichen Quellen. (Seite 49) Modelle einsetzen Für viele Einsatzzwecke gibt es bereits geeignete Modelle. Mit der Transformers-Bibliothek von Hugging Face lassen sie sich nutzen. Der neuste Trend bei Chatbots ist das Verknüpfen verschiedener Sprachmodelle. Mit dem Framework LangChain kann man KI-Agenten automatisieren und mit eigenen Daten füttern. Das Ergebnis von Dialogsystemen ist dabei vor allem von der Nutzereingabe – dem Prompt – abhängig. Geschicktes Prompting ist keine Glückssache. (Seite 85) KI selbst entwickeln KI-Modelle müssen nicht gleich alle Texte des Internets kennen oder Probleme wie den Klimawandel angehen können. Mit wenig Aufwand lassen sich eigene Modelle zum Experimentieren und zum Erfüllen kleiner Aufgaben erstellen. Das reicht von der neuronalen Suche in der Dokumentensammlung über das Erkennen von Emotionen in Selfies bis zum Klassifizieren der eigenen Musiksammlung mit einem KI-Modell. Wer mit Algorithmen und Modellen noch nicht so vertraut ist, lässt sich diese von AutoML-Werkzeugen vorschlagen. (Seite 105) Recht und Gesellschaft Beim Thema KI stehen Entwickler, Anwender und Gesetzgeber noch vor juristischen Herausforderungen. Wie und wo das Urheberrecht gilt, ist umstritten und die DSGVO ist beim Umgang mit Trainingsdaten möglicherweise ein Stolperstein. Kommende Richtlinien wie AI Act und Data Act gilt es jetzt schon mitzudenken. Dabei können KI-Governance-Frameworks Unternehmen Orientierung liefern. Zwei Interviews am Ende des Hefts ordnen den aktuellen gesellschaftlichen und technischen Stand ein und versuchen sich an einem Blick in die Zukunft. (Seite 127) Basics 8 Large Language Models Sprachmodelle verstehen und einsetzen 16 Generative KI Stable Diffusion seziert 20 KI-Beschleuniger So funktionieren KI-Chips 28 Hardware GPUs für das KI-Training 34 Bias und Fairness Warum KI oft unfair ist und was dagegen hilft 40 Datenqualität Data-centric AI: Wie Datenqualität Fairness beeinflusst Werkzeuge 50 Machine-Learning-Frameworks Einstieg in PyTorch 58 ML-UI Notebook-Umgebungen für Machine Learning 66 Data Science Mit scikit-learn Modelle erstellen 72 Datenquellen Offene Datenquellen für ML-Projekte 80 Algorithmen Assoziationsanalyse: Wer mit wem? Modelle anwenden 86 KI-Modell-Datenbanken Hugging Face – Zentrale für KI-Modelle 90 Modelle verketten Große Sprachmodelle mit LangChain verketten 98 Knowledge Destillation Große KI-Modelle mit Destillation eindampfen 102 Generative KI Das Einmaleins des Prompt Engineering KI selbst entwickeln 106 Dense Passage Retrieval Maschinen auf Text abrichten 110 MLOps Musikklassifikation mit eigenen Modellen 116 Bilderkennung Emotionen erkennen mit Deep Learning 122 AutoML AutoML mit Microsofts ML.NET Model Builder Recht und Gesellschaft 128 Rechtsrahmen KI im Spannungsfeld der Regulierung 132 Urheberrecht Kampf um das Urheberrecht 140 DSGVO KI versus Datenschutz 144 KI-Governance Vertrauenswürdige KI organisatorisch umsetzen 148 Ausblick Open-Source-Modelle können aufholen 150 Die Zukunft der KI – ohne Körper keine Intelligenz
61,80 €* 76,70 €* (19.43% gespart)

c't beleuchtet KI:

c't ChatGPT & Co.
Mit KI-Tools effektiv arbeiten. Was geht heute schon und wo brauchen die Maschinen noch Zeit? Lesen Sie Fakten, Tests und Praxistipps im c't Sonderheft ChatGPT & Co.!
12,99 €*
%
Bundle c't ChatGPT & Co. (Heft + PDF)
Komplett im Set: gedrucktes Heft + digitale Ausgabe mit einer Ersparnis von 7,90 Euro. Arbeiten mit KI 6 KI zwischen Effizienz und Wunschdenken 14 Was bei Urheberrecht und Datenschutz gilt 20 Rettet KI das Klima oder killt sie es? Schreiben mit KI 26 Warum ChatGPT so fasziniert 32 ChatGPT einsetzen und ausreizen 38 Textgeneratoren für jeden Zweck 44 KI-Schreibhelfer: Vier Dienste im Test 52 KI-Text-Erkennung hat viele Schwächen Suchen mit KI 54 Wie die KI-Suchen die Welt erklären 60 Sieben Suchdienste mit KI im Vergleich 70 Wie sich Autoren gegen KI-Bots wehren Kunst mit KI 74 Stable Diffusion lokal installieren 80 Stable Diffusion in der Apple-App nutzen 84 Bilder generieren mit Stable Diffusion 90 Grafikkarten im Test mit Stable Diffusion Musik mit KI 94 Vier KI-Komponisten im Test 100 KI improvisiert Musik auf Zuruf 102 Rap-Songs mit KI-Hilfe produzieren Hacken mit KI 108 ChatGPT als Hacking-Tool 116 Wie Prompt Injections KI-Suchen kapern Zum Heft 3 Editorial 115 Impressum 122 Vorschau: c’t Kubernetes
19,90 €* 27,89 €* (28.65% gespart)
%
Superbundle c't ChatGPT & Co. (Heft + PDF + Buch)
Mit dem Superbundle sparen Sie 12,99 Euro. Komplett im Set: gedrucktes Heft + digitale Ausgabe. Enthalten im Angebot ist auch das Buch "Deep Natural Language Processing“ vom Hanser Verlag im Wert von 39,99 Euro. Zum Buch: Das 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.Leseprobe (PDF-Link) 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.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. Zum Heft: Arbeiten mit KI 6 KI zwischen Effizienz und Wunschdenken 14 Was bei Urheberrecht und Datenschutz gilt 20 Rettet KI das Klima oder killt sie es? Schreiben mit KI 26 Warum ChatGPT so fasziniert 32 ChatGPT einsetzen und ausreizen 38 Textgeneratoren für jeden Zweck 44 KI-Schreibhelfer: Vier Dienste im Test 52 KI-Text-Erkennung hat viele Schwächen Suchen mit KI 54 Wie die KI-Suchen die Welt erklären 60 Sieben Suchdienste mit KI im Vergleich 70 Wie sich Autoren gegen KI-Bots wehren Kunst mit KI 74 Stable Diffusion lokal installieren 80 Stable Diffusion in der Apple-App nutzen 84 Bilder generieren mit Stable Diffusion 90 Grafikkarten im Test mit Stable Diffusion Musik mit KI 94 Vier KI-Komponisten im Test 100 KI improvisiert Musik auf Zuruf 102 Rap-Songs mit KI-Hilfe produzieren Hacken mit KI 108 ChatGPT als Hacking-Tool 116 Wie Prompt Injections KI-Suchen kapern Zum Heft 3 Editorial 115 Impressum 122 Vorschau: c’t Kubernetes
54,89 €* 67,88 €* (19.14% gespart)

Fachbücher zum Thema:

Künstliche Intelligenz (O'Reilly)
Wie KI funktioniert und wann sie scheitert. Eine unterhaltsame Reise in die seltsame Welt der Algorithmen, neuronalen Netze und versteckten Giraffen.Wir verlassen uns jeden Tag auf künstliche Intelligenz, wenn es um Empfehlungen, Übersetzungen und Katzenohren für unsere Selfie-Videos geht. Wir vertrauen KI auch in Fragen von Leben und Tod, auf der Straße und in unseren Krankenhäusern. Aber wie intelligent ist KI wirklich, auf welche Weise löst sie Probleme, wie versteht sie Menschen?Janelle Shane liefert Antworten auf Fragen zu KI, die Sie sich schon immer gestellt haben, und auf einige, auf die Sie definitiv noch nicht gekommen sind: Wie kann ein Computer das perfekte Sandwich entwerfen? Und kann man einer KI beibringen, zu flirten oder gute Witze zu erzählen?In dieser klugen, oft sehr lustigen Einführung in die interessanteste Wissenschaft unserer Zeit zeigt Janelle Shane, wie KI-Algorithmen lernen, wo sie versagen und wie sie sich anpassen. Sie erfahren, wie KIs trainiert werden, was Deep Learning ist, wo die Gefahren bei selbstfahrenden Autos liegen, wie sich Vorurteile aus KI-Trainingsdaten auf Bewerbungsverfahren auswirken – und warum Bilderkennungs-KIs auf Giraffen fixiert sind.Das perfekte Buch für alle, die sich eine informierte Meinung bilden möchten und neugierig darauf sind, wie die KI-Roboter in unserem Leben funktionieren.
22,90 €*
Deep Natural Language Processing
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)
39,99 €*
Neu
Künstliche Intelligenz verstehen
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 InformatikWörter und Sätze vervollständigenSchreibfehler automatisch korrigierenZusammenhänge erkennen und Daten ordnenNeuronale NetzeSelbstlernende AlgorithmenAutoren: 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.
29,90 €*

Mehr zu KI & Machine Learning:

Neu
KI-Sprachassistenten mit Python entwickeln
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)
39,99 €*
Neu
StatQuest - Der illustrierte Machine Learning Guide
Das Buch zum beliebten YouTube-Kanal: StatQuest with Josh Starmer.Machine Learning ist ein mächtiges Werkzeug, kann aber auch unheimlich kompliziert erscheinen. Genau hier setzt dieses Buch an. Egal wie schwierig ein Machine-Learning-Algorithmus auch ist, dieses Buch bricht ihn herunter in kleine, leicht verständliche Häppchen, die einfach nachzuvollziehen sind. Jedes Konzept wird anschaulich illustriert. So erhältst du ein über die bloßen Formeln hinausgehendes Verständnis dafür, wie die einzelnen Methoden funktionieren. Dieses Buch hat nicht zum Ziel, die Konzepte zu vereinfachen. Stattdessen bekommst du mit leicht verständlichen Erläuterungen alles Notwendige an die Hand, um ein tieferes Verständnis für Machine Learning aufzubauen.Das Buch beginnt mit den Grundlagen und setzt keine Vorkenntnisse voraus. Es zeigt dir, was Machine Learning ist und worauf es abzielt, und baut Bild für Bild auf diesem Wissen auf, bis du die Konzepte hinter selbstfahrenden Autos und Gesichtserkennung meisterst.Aus dem Inhalt:Grundlegende Konzepte des Machine LearningsKlassifikation und KreuzvalidierungStatistik-GrundlagenLineare und logistische RegressionGradientenabstiegsverfahrenNaive BayesÜberanpassung vermeiden durch RegularisierungEntscheidungsbäumeSupport Vector Machines (SVMs)Neuronale NetzeÜber den Autor:Josh Starmer ist das Gesicht hinter dem bekannten Youtube-Kanal »StatQuest with Josh Starmer«. Seit 2016 erklärt er allen Interessierten mit seinem innovativen und einzigartigen visuellen Stil Konzepte aus den Bereichen Statistik, Data Science, Machine Learning und Algorithmen. StatQuest hilft Menschen auf der ganzen Welt dabei, Wettbewerbe zu gewinnen, Prüfungen zu bestehen, neue Berufe zu ergreifen und befördert zu werden.
34,99 €*
KI verändert die Spielregeln
Geschäftsmodelle, Kundenbeziehungen und Produkte neu denken.Künstliche Intelligenz (KI) ist in der Wirtschaft in aller Munde. Aber nur die wenigsten Firmen wissen, wie sie KI für den Aufbau neuer Geschäftsfelder nutzen können. Genau darum geht es in diesem Buch. Die Autoren kommen aus der Praxis und beschreiben unter anderem KI-Projekte, die sie gemeinsam mit ihren Kunden umgesetzt haben. Profitieren Sie von diesem Know-how , um mit KI erfolgreich zu sein:- grundlegendes Verständnis für die Möglichkeiten von Künstlicher Intelligenz- Vorgehensmodell für das Entwickeln von KI-Anwendungen- Folgenabschätzung für Prozesse und Geschäftsmodelle in verschiedenen Branchen durch KI- Einsatzszenarien für Prozesse von Kommunikation bis Verwaltung- Unterstützung mobiler Prozesse mithilfe von KIDas Buch enthält konkrete, realisierbare Anwendungsfälle für das verarbeitende Gewerbe und für Dienstleister. Lassen Sie sich davon inspirieren, um eigene Lösungen zu entwickeln und zu vermarkten.
49,99 €*
MIT Technology Review 04/2023

Neben den großen Themen rund um generative KI gehts um Ei ohne Huhn, längeres Leben für Solarmodule sowie Regenerationsfähigkeit von Gehirnzellen.

11,99 €*
iX 04/2023
Tools für Software Composition Analysis, Loki für lokale und Cloud-Umgebungen, wie Sprach-KI beim Coden helfen kann und viele andere wichtige Themen lesen Sie in der iX 4/2023.
9,90 €*
c't 10/2023

In dieser Ausgabe geht es um Mini-PCs, den Upgrade-Skandal von Windows 10, um einen Vergleichstest von 7 KI-Suchdiensten und vieles mehr.

5,90 €*