Warenkorb
€ 0,00 0 Buch dabei,
portofrei

Neuronale Netze programmieren mit Python

Ihre Einführung in die Künstliche Intelligenz. Inklusive KI-Lernumgebung und Einstieg in TensorFlow.
Buch (kartoniert)
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 Künstli … weiterlesen
Buch

29,90 *

inkl. MwSt.
Portofrei
Sofort lieferbar
Neuronale Netze programmieren mit Python als Buch

Produktdetails

Titel: Neuronale Netze programmieren mit Python
Autor/en: Roland Schwaiger, Joachim Steinwendner

ISBN: 3836261421
EAN: 9783836261425
Ihre Einführung in die Künstliche Intelligenz. Inklusive KI-Lernumgebung und Einstieg in TensorFlow.
Rheinwerk Verlag GmbH

1. Mai 2019 - kartoniert - 447 Seiten

Beschreibung

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. 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.

Inhaltsverzeichnis


Materialien 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 ... 2

Portrait

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.

Pressestimmen

"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

Mehr aus dieser Reihe

zurück
Computer-Netzwerke
Buch (kartoniert)
von Harald Zisler
Amazon-Marketing
Buch (gebunden)
von Christian Otto K…
HTML5 und CSS3
Buch (gebunden)
von Jürgen Wolf
Programmieren lernen mit Java
Buch (kartoniert)
von Hans-Peter Habel…
Swift 5
Buch (gebunden)
von Michael Kofler
vor
Servicehotline
089 - 70 80 99 47

Mo. - Fr. 8.00 - 20.00 Uhr
Sa. 10.00 - 20.00 Uhr
Filialhotline
089 - 30 75 75 75

Mo. - Sa. 9.00 - 20.00 Uhr
Bleiben Sie in Kontakt:
Sicher & bequem bezahlen:
akzeptierte Zahlungsarten: Überweisung, offene Rechnung,
Visa, Master Card, American Express, Paypal
Zustellung durch:
¹ Mängelexemplare sind Bücher mit leichten Beschädigungen, die das Lesen aber nicht einschränken. Mängelexemplare sind durch einen Stempel als solche ge-
kennzeichnet. Die frühere Buchpreisbindung ist aufgehoben.
* Alle Preise verstehen sich inkl. der gesetzlichen MwSt. Informationen über den Versand und anfallende Versandkosten finden Sie hier.
** Deutschsprachige eBooks und Bücher dürfen aufgrund der in Deutschland geltenden Buchpreisbindung und/oder Vorgaben von Verlagen nicht rabattiert werden. Soweit von uns deutschsprachige eBooks und Bücher günstiger angezeigt werden, wurde bei diesen kürzlich von den Verlagen der Preis gesenkt oder die Buchpreisbindung wurde für diese Titel inzwischen aufgehoben. Angaben zu Preisnachlässen beziehen sich auf den dargestellten Vergleichspreis.