KI-Projekte mit Python
Beschreibung
- KI-Programmierung leicht gemacht - praktische Projekte ohne überflüssige Mathematik
- Einsatz mächtiger Bibliotheken wie TensorFlow, SpaCy und music21 - auch ohne Vorkenntnisse in Python
- Mit Programmieraufgaben, Bildern zur Veranschaulichung, Übungsfragen und vielen Anregungen zum Ausprobieren
Starte direkt mit echten KI-Projekten
Mit diesem Buch startest du direkt durch: Du lernst künstliche Intelligenz, indem du selbst programmierst - praxisnah, kreativ und verständlich. Schritt für Schritt entwickelst du spannende KI-Anwendungen mit wenigen Codezeilen: vom Chatbot über Bilderkennung bis hin zur Musik- und Bildgenerierung. Du experimentierst mit maschinellem Lernen und verstehst, wie lernende Systeme wirklich funktionieren. Alles, was du brauchst, sind grundlegende Programmierkenntnisse.
Alles dabei - von den Python-Grundlagen bis zu modernen KI-Bibliotheken
Dank klarer Erklärungen und anschaulicher Beispiele findest du dich auch als Einsteiger schnell zurecht. Du lernst alle wichtigen Techniken kennen und setzt sie direkt um - von einfachen Klassifikationsmodellen bis hin zu generativer KI mit GANs, RNNs und Diffusionsmodellen. Dabei nutzt du professionelle Bibliotheken wie NumPy, TensorFlow, Matplotlib, SpaCy und music21.
Programmieren, verstehen, experimentieren
Jedes Kapitel lädt zum Mitmachen ein - mit abwechslungsreichen Aufgaben, anschaulichen Abbildungen und vielen Ideen zum Ausprobieren. Du lernst, wie du KIs mit eigenen Daten trainierst oder Daten aus dem Internet nutzt, um spannende Anwendungen zu entwickeln. Die Programme kannst du entweder lokal auf deinem Rechner umsetzen oder du arbeitest im Browser mit Google Colab.
Aus dem Inhalt:
- Grundlagen der künstlichen Intelligenz
- Generative und diskriminierende KI
-
KI programmieren mit Python-Bibliotheken:
- NumPy
- Matplotlib
- TensorFlow
- SpaCy
- music21
- Sprachmodelle und Natural Language Processing
- Überwachtes, unüberwachtes und Verstärkungslernen
- Künstliche neuronale Netze
- Bildgenerierung mit GAN und CNN
- Text erzeugen mit RNN und LSTM
- Musik komponieren mit music21
- Zahlreiche Aufgaben mit Lösungen
Weitere Details
Weitere Ausgaben
Andere Ausgaben
Person
Inhalt
- Cover
- Titel
- Impressum
- Inhaltsverzeichnis
- Einleitung
- Wie ist das Buch aufgebaut?
- Programmbeispiele zum Download und Colab Notebooks
- Kapitel 1: Denkende Maschinen
- 1.1 Was ist Intelligenz?
- 1.1.1 Rechnen mit Zahlen
- 1.1.2 Gedächtnis
- 1.1.3 Räumliches Vorstellungsvermögen
- 1.1.4 Sprachverständnis
- 1.1.5 Schlussfolgerndes Denken
- 1.1.6 Wortflüssigkeit
- 1.1.7 Wahrnehmungsgeschwindigkeit
- 1.1.8 Starke und schwache KI
- 1.2 Projekt: Wie schnell kann ein Computer rechnen?
- 1.3 Maschinen als Ersatzmenschen - Der Turing-Test
- 1.4 Projekt: Eine freundliche Maschine
- 1.4.1 Den Computer sprechen lassen
- 1.5 Projekt: Ein Stichwort-Chatbot
- 1.6 Projekt: Eine KI als Spielgegner
- 1.6.1 Das Nim-Spiel
- 1.6.2 Die Programmierung der Basisversion
- 1.7 Rückblick
- 1.8 Lösungen
- Kapitel 2: Sprache und Denken - Natural Language Processing (NLP)
- 2.1 Trainingscamp: Strings
- 2.1.1 Station 1: Strings erstellen
- 2.1.2 Station 2: Unicode-Zeichen
- 2.1.3 Station 3: Strings durchsuchen
- 2.1.4 Station 4: Neue Strings aus alten Strings
- 2.1.5 Station 5: Formatierung
- 2.2 Projekt: Storytelling
- 2.2.1 Mad Libs
- 2.2.2 Eine digitale Version
- 2.3 Sprachmodelle nutzen - Natural Language Processing (NLP)
- 2.3.1 spaCy in einer virtuellen Umgebung installieren
- 2.4 NLP mit spaCy ausprobieren
- 2.4.1 Tokenisierung
- 2.4.2 Stoppwörter
- 2.4.3 Einen Text in Sätze zerlegen
- 2.5 Projekt: Mit NLP einen Text automatisch zusammenfassen
- 2.5.1 Vorüberlegung: Wie erkennt man, was wichtig ist?
- 2.5.2 Programmierung
- 2.6 Was ist ein Apfel? Die Bedeutung von Wörtern
- 2.6.1 Semantisches Netz
- 2.6.2 Embeddings und Ähnlichkeit - Experimente mit spaCy
- 2.6.3 Ähnlichkeit
- 2.7 Projekt: Schlag nach bei Goethe! Ähnliche Wörter finden
- 2.8 Projekt: Fitness-Chatbot für Reisende
- 2.9 Rückblick
- 2.10 Lösungen
- Kapitel 3: Lernende Programme
- 3.1 Wie Computer »intelligent« werden
- 3.1.1 Überwachtes Lernen: Regression
- 3.1.2 Überwachtes Lernen: Klassifizieren
- 3.1.3 Unüberwachtes Lernen
- 3.1.4 Verstärkungslernen
- 3.2 Projekt: Lernen durch Versuch und Irrtum - Wegesuche auf dem Mond
- 3.2.1 Turtle-Grafik
- 3.2.2 Das Simulationsprogramm
- 3.2.3 Fazit
- 3.3 Rückblick
- 3.4 Lösungen
- Kapitel 4: Inspiriert durch das Gehirn - Künstliche neuronale Netze
- 4.1 Das Gehirn - Ein natürliches neuronales Netz
- 4.2 Künstliches neuronales Netz
- 4.2.1 Aktive Knoten
- 4.2.2 Aktivierungsfunktionen
- 4.3 Ein neuronales Netz entwerfen und trainieren
- 4.3.1 Uneinigkeit erkennen
- 4.3.2 Vorhersagen berechnen
- 4.3.3 Trainingsprozess und Batchgröße
- 4.3.4 Verlustfunktion (Loss)
- 4.3.5 Gradientenabstieg
- 4.3.6 Klassischer Gradientenabstieg und Stochastischer Gradientenabstieg
- 4.3.7 Adam-Optimierer
- 4.4 Trainingscamp: Arrays verarbeiten mit NumPy
- 4.4.1 Vorbereitung
- 4.4.2 Station 1: Arrays erzeugen
- 4.4.3 Station 2: Rechnen mit Arrays
- 4.4.4 Station 3: Arrays in Form bringen
- 4.5 Projekt: Uneinigkeit erkennen
- 4.5.1 Vorbereitung
- 4.5.2 Google Colab verwenden
- 4.5.3 Programmierung
- 4.6 Projekt: Ziffern erkennen
- 4.6.1 Programmierung
- 4.7 Rückblick
- 4.8 Lösungen
- Kapitel 5: Der Computer als Künstler - Bilder generieren mit einem GAN
- 5.1 Was ist generative KI?
- 5.2 Wie funktioniert ein GAN?
- 5.3 Trainingscamp: Tensoren
- 5.3.1 Station 1: Eigenschaften eines Tensors
- 5.3.2 Station 2: Tensoren erzeugen
- 5.3.3 Station 3: Tensoren in Form bringen
- 5.3.4 Station 4: Zugriff auf Teile eines Tensors
- 5.3.5 Station 5: Tensoren als Bilder anzeigen
- 5.4 Projekt: Kreative Ziffern
- 5.4.1 Programmierung
- 5.4.2 Weiterentwicklung: Modelle speichern und trainierte Modelle nutzen
- 5.5 Projekt: Künstliche Gesichter
- 5.5.1 Vorbereitung
- 5.5.2 Programmierung
- 5.6 Rückblick
- 5.7 Lösungen
- Kapitel 6: Textproduktion mit rekurrenten neuronalen Netzen (RNN)
- 6.1 »Es war einmal« - Ein Sprachmodell mit Bleistift und Papier
- 6.2 Wie funktioniert ein RNN?
- 6.2.1 Hat ein künstliches neuronales Netz ein Gedächtnis?
- 6.2.2 Neuronen mit Gedächtnis - Rekurrente neuronale Netze (RNNs)
- 6.2.3 Gradientenverschwinden und Gradientenexplosionen
- 6.2.4 Die Arbeitsweise von LSTM-Zellen
- 6.3 Projekt: In sechs Schritten zum Textgenerator
- 6.3.1 Die Grundidee
- 6.3.2 Die Programmierung
- 6.4 Das Projekt weiterentwickeln
- 6.4.1 Mehr Zufall
- 6.4.2 Mehr Komplexität durch zusätzliche Schichten
- 6.4.3 Eine moderne Weiterentwicklung: Gated Recurrent Unit (GRU)
- 6.4.4 Preprocessing: Satzzeichen verarbeiten
- 6.5 Eine Alternative zu RNN: Transformer
- 6.5.1 Programmierung
- 6.6 Rückblick
- 6.7 Lösungen
- Kapitel 7: Musik komponieren mit KI
- 7.1 Trainingscamp: Noten verarbeiten mit music21
- 7.1.1 Station 1: Vorbereitung
- 7.1.2 Station 2: Melodien mit Streams
- 7.1.3 Station 3: Eine Melodie definieren und abspielen
- 7.1.4 Station 4: Mehrstimmige Partituren mit Scores
- 7.1.5 Station 5: Aus einer MIDI-Datei die Melodie gewinnen
- 7.1.6 Station 6: Eine Melodie transponieren
- 7.2 Projekt: Melodien komponieren
- 7.2.1 Erweiterung: Mehr Trainingsdaten
- 7.2.2 Anregungen für Experimente und Entwicklungen
- 7.3 Rückblick
- 7.4 Lösungen
- Kapitel 8: Diffusionsmodelle - Bilder aus Rauschen
- 8.1 Die Grundidee
- 8.2 Faltung (Konvolution) - Ein Bild durch Features beschreiben
- 8.2.1 Features im Alltag
- 8.2.2 Mit Filtern Features erkennen
- 8.2.3 Padding und Stride
- 8.2.4 Lernende Filter in einem Convolutional Neural Network (CNN)
- 8.2.5 Faltung als neuronales Netz
- 8.3 Wie entrauscht man ein verrauschtes Bild?
- 8.3.1 Das U-Net und Bildsegmentierung in der Medizin
- 8.3.2 Faltung, Pooling und Skip-Connections - Die Magie der U-Nets
- 8.3.3 Veranschaulichung: Ein beschädigtes Bild rekonstruieren
- 8.4 Projekt: Künstliche Ziffern
- 8.5 Rückblick
- 8.6 Lösungen
- Stichwortverzeichnis
