Neuronale Netze programmieren mit Python
Der Einstieg in die Künstliche Intelligenz. Mit KI-Lernumgebung, Python-Crashkurs, Keras und TensorFlow 2
2nd Edition
Published on 28. May 2020
Book
Paperback/Softback
479 pages
978-3-8362-7450-0 (ISBN)
Description
Neuronale Netze stehen im Mittelpunkt, wenn es um Künstliche Intelligenz und Machine Learning geht. Sie revolutionieren Bild- und Spracherkennung, Spiele-KIs und vieles mehr. Zum Glück lassen sich die genialen Ideen dahinter einfach erklären. Um sie zu verstehen und 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.
Aus dem Inhalt:
Die Grundidee hinter Neuronalen Netzen
Ein einfaches Neuronales Netz aufbauen
Neuronale Netze trainieren
Überwachtes und unüberwachtes Lernen
Einführung in TensorFlow
Kompaktkurs Python
Wichtige mathematische Grundlagen
Reinforcement Learning
Verschiedene Netzarten und ihre Anwendungsbereiche
Back Propagation
Deep Learning
Werkzeuge für Data Scientists
Die Fachpresse zur Vorauflage:
LINUX MAGAZIN: »Eine rundum gelungene, recht gründliche und gut verständliche Einführung ins maschinelle Lernen mit neuronalen Netzen.«
iX - Magazin für professionelle Informationstechnik: »Entwickler bekommen hier eine Menge Theorie inklusive der mathematischen Grundlagen serviert (...). «
More details
Other editions
New editions
Roland Schwaiger | Joachim Steinwendner
Neuronale Netze programmieren mit Python
Der Einstieg in KI, Machine Learning und Deep Learning. Mit KI-Lernumgebung, Python-Crashkurs, Keras und TensorFlow
Book
01/2025
3rd Edition
Rheinwerk
€34.90
Available immediately
Previous edition
Roland Schwaiger | Joachim Steinwendner
Neuronale Netze programmieren mit Python
Ihre Einführung in die Künstliche Intelligenz. Inkl. KI-Lernumgebung und Einstieg in TensorFlow
Book
04/2019
1st Edition
Rheinwerk
€29.90
Article exhausted; check for reprint
Content
Vorwort zur 2. Auflage ... 13
Materialien zum Buch ... 14
Vorwort ... 15
1. Einleitung ... 19
1.1 ... Wozu neuronale Netze? ... 19
1.2 ... Über dieses Buch ... 20
1.3 ... Der Inhalt kompakt ... 22
1.4 ... Ist diese Biene eine Königin? ... 25
1.5 ... Ein künstliches neuronales Netz für den Bienenstaat ... 26
1.6 ... Von der Biologie zum künstlichen Neuron ... 31
1.7 ... Einordnung und der Rest ... 36
1.8 ... Zusammenfassung ... 43
1.9 ... Referenzen ... 44
Teil I. Up and running ... 45
2. Das minimale Starterkit für die Entwicklung von neuronalen Netzen mit Python ... 47
2.1 ... Die technische Entwicklungsumgebung ... 47
2.2 ... Zusammenfassung ... 67
3. Ein einfaches neuronales Netz ... 69
3.1 ... Vorgeschichte ... 69
3.2 ... Her mit dem neuronalen Netz! ... 69
3.3 ... Neuron-Zoom-in ... 73
3.4 ... Stufenfunktion ... 78
3.5 ... Perceptron ... 80
3.6 ... Punkte im Raum -- Vektorrepräsentation ... 81
3.7 ... Horizontal und vertikal -- Spalten- und Zeilenschreibweise ... 88
3.8 ... Die gewichtete Summe ... 91
3.9 ... Schritt für Schritt -- Stufenfunktionen ... 91
3.10 ... Die gewichtete Summe reloaded ... 92
3.11 ... Alles zusammen ... 93
3.12 ... Aufgabe: Roboterschutz ... 96
3.13 ... Zusammenfassung ... 99
3.14 ... Referenzen ... 99
4. Lernen im einfachen Netz ... 101
4.1 ... Vorgeschichte: Man lässt planen ... 101
4.2 ... Lernen im Python-Code ... 102
4.3 ... Perceptron-Lernen ... 103
4.4 ... Trenngerade für einen Lernschritt ... 106
4.5 ... Perceptron-Lernalgorithmus ... 108
4.6 ... Die Trenngeraden bzw. Hyperplanes oder auch Hyperebenen für das Beispiel ... 113
4.7 ... scikit-learn-kompatibler Estimator ... 116
4.8 ... scikit-learn-Perceptron-Estimator ... 123
4.9 ... Adaline ... 126
4.10 ... Zusammenfassung ... 136
4.11 ... Referenzen ... 137
5. Mehrschichtige neuronale Netze ... 139
5.1 ... Ein echtes Problem ... 139
5.2 ... XOR kann man lösen ... 141
5.3 ... Vorbereitungen für den Start ... 147
5.4 ... Der Plan für die Umsetzung ... 149
5.5 ... Das Setup (»class«) ... 150
5.6 ... Die Initialisierung (»__init__«) ... 152
5.7 ... Was für zwischendurch (»print«) ... 154
5.8 ... Die Auswertung (»predict«) ... 155
5.9 ... Die Verwendung ... 157
5.10 ... Zusammenfassung ... 159
6. Lernen im mehrschichtigen Netz ... 161
6.1 ... Wie misst man einen Fehler? ... 161
6.2 ... Gradientenabstieg an einem Beispiel ... 163
6.3 ... Ein Netz aus sigmoiden Neuronen ... 172
6.4 ... Der coole Algorithmus mit Vorwärts-Delta und Rückwärts-Propagation ... 174
6.5 ... Ein »fit«-Durchlauf ... 187
6.6 ... Zusammenfassung ... 196
6.7 ... Referenz ... 196
7. Convolutional Neural Networks ... 197
7.1 ... Aufbau eines CNN ... 199
7.2 ... Der Kodierungsblock ... 200
7.3 ... Der Prädiktionsblock ... 207
7.4 ... Trainieren von Convolutional Neural Networks ... 209
7.5 ... Zusammenfassung ... 218
7.6 ... Referenzen ... 219
8. Programmierung von Convolutional Neural Networks mit TensorFlow 2 ... 221
8.1 ... Convolutional Networks zur Handschriftenerkennung ... 221
8.2 ... Transfer Learning mit Convolutional Neural Networks ... 237
8.3 ... Zusammenfassung ... 246
8.4 ... Referenzen ... 247
Teil II. Deep Dive ... 249
9. Vom Hirn zum Netz ... 251
9.1 ... Ihr Gehirn in Aktion ... 251
9.2 ... Das Nervensystem ... 252
9.3 ... Das Gehirn ... 253
9.4 ... Neuronen und Gliazellen ... 255
9.5 ... Eine Übertragung im Detail ... 257
9.6 ... Darstellung von Zellen und Netzen ... 260
9.7 ... Zusammenfassung ... 262
9.8 ... Referenzen ... 263
10. Die Evolution der neuronalen Netze ... 265
10.1 ... 1940er ... 265
10.2 ... 1950er ... 268
10.3 ... 1960er ... 270
10.4 ... 1970er ... 270
10.5 ... 1980er ... 271
10.6 ... 1990er ... 284
10.7 ... 2000er ... 285
10.8 ... 2010er ... 285
10.9 ... Zusammenfassung ... 287
10.10 ... Referenzen ... 288
11. Der Machine-Learning-Prozess ... 289
11.1 ... Das CRISP-DM-Modell ... 289
11.2 ... Feature Engineering ... 293
11.3 ... Zusammenfassung ... 324
11.4 ... Referenzen ... 324
12. Lernverfahren ... 325
12.1 ... Lernstrategien ... 325
12.2 ... Werkzeuge ... 361
12.3 ... Zusammenfassung ... 366
12.4 ... Referenzen ... 366
13. Anwendungsbereiche und Praxisbeispiele ... 367
13.1 ... Warmup ... 367
13.2 ... Bildklassifikation ... 370
13.3 ... Erträumte Bilder ... 391
13.4 ... Zusammenfassung ... 402
13.5 ... Referenzen ... 402
A. Python kompakt ... 403
B. Mathematik kompakt ... 433
C. TensorFlow 2 und Keras ... 455
Index ... 467