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.

Inkl. Online-Lernumgebung und Einstieg in TensorFlow

Vorwort zur 2. Auflage ... 13Materialien zum Buch ... 14Vorwort ... 151. Einleitung ... 191.1 ... Wozu neuronale Netze? ... 191.2 ... Über dieses Buch ... 201.3 ... Der Inhalt kompakt ... 221.4 ... Ist diese Biene eine Königin? ... 251.5 ... Ein künstliches neuronales Netz für den Bienenstaat ... 261.6 ... Von der Biologie zum künstlichen Neuron ... 311.7 ... Einordnung und der Rest ... 361.8 ... Zusammenfassung ... 431.9 ... Referenzen ... 44Teil I. Up and running ... 452. Das minimale Starterkit für die Entwicklung von neuronalen Netzen mit Python ... 472.1 ... Die technische Entwicklungsumgebung ... 472.2 ... Zusammenfassung ... 673. Ein einfaches neuronales Netz ... 693.1 ... Vorgeschichte ... 693.2 ... Her mit dem neuronalen Netz! ... 693.3 ... Neuron-Zoom-in ... 733.4 ... Stufenfunktion ... 783.5 ... Perceptron ... 803.6 ... Punkte im Raum -- Vektorrepräsentation ... 813.7 ... Horizontal und vertikal -- Spalten- und Zeilenschreibweise ... 883.8 ... Die gewichtete Summe ... 913.9 ... Schritt für Schritt -- Stufenfunktionen ... 913.10 ... Die gewichtete Summe reloaded ... 923.11 ... Alles zusammen ... 933.12 ... Aufgabe: Roboterschutz ... 963.13 ... Zusammenfassung ... 993.14 ... Referenzen ... 994. Lernen im einfachen Netz ... 1014.1 ... Vorgeschichte: Man lässt planen ... 1014.2 ... Lernen im Python-Code ... 1024.3 ... Perceptron-Lernen ... 1034.4 ... Trenngerade für einen Lernschritt ... 1064.5 ... Perceptron-Lernalgorithmus ... 1084.6 ... Die Trenngeraden bzw. Hyperplanes oder auch Hyperebenen für das Beispiel ... 1134.7 ... scikit-learn-kompatibler Estimator ... 1164.8 ... scikit-learn-Perceptron-Estimator ... 1234.9 ... Adaline ... 1264.10 ... Zusammenfassung ... 1364.11 ... Referenzen ... 1375. Mehrschichtige neuronale Netze ... 1395.1 ... Ein echtes Problem ... 1395.2 ... XOR kann man lösen ... 1415.3 ... Vorbereitungen für den Start ... 1475.4 ... Der Plan für die Umsetzung ... 1495.5 ... Das Setup ('class') ... 1505.6 ... Die Initialisierung ('__init__') ... 1525.7 ... Was für zwischendurch ('print') ... 1545.8 ... Die Auswertung ('predict') ... 1555.9 ... Die Verwendung ... 1575.10 ... Zusammenfassung ... 1596. Lernen im mehrschichtigen Netz ... 1616.1 ... Wie misst man einen Fehler? ... 1616.2 ... Gradientenabstieg an einem Beispiel ... 1636.3 ... Ein Netz aus sigmoiden Neuronen ... 1726.4 ... Der coole Algorithmus mit Vorwärts-Delta und Rückwärts-Propagation ... 1746.5 ... Ein 'fit'-Durchlauf ... 1876.6 ... Zusammenfassung ... 1966.7 ... Referenz ... 1967. Convolutional Neural Networks ... 1977.1 ... Aufbau eines CNN ... 1997.2 ... Der Kodierungsblock ... 2007.3 ... Der Prädiktionsblock ... 2077.4 ... Trainieren von Convolutional Neural Networks ... 2097.5 ... Zusammenfassung ... 2187.6 ... Referenzen ... 2198. Programmierung von Convolutional Neural Networks mit TensorFlow 2 ... 2218.1 ... Convolutional Networks zur Handschriftenerkennung ... 2218.2 ... Transfer Learning mit Convolutional Neural Networks ... 2378.3 ... Zusammenfassung ... 2468.4 ... Referenzen ... 247Teil II. Deep Dive ... 2499. Vom Hirn zum Netz ... 2519.1 ... Ihr Gehirn in Aktion ... 2519.2 ... Das Nervensystem ... 2529.3 ... Das Gehirn ... 2539.4 ... Neuronen und Gliazellen ... 2559.5 ... Eine Übertragung im Detail ... 2579.6 ... Darstellung von Zellen und Netzen ... 2609.7 ... Zusammenfassung ... 2629.8 ... Referenzen ... 26310. Die Evolution der neuronalen Netze ... 26510.1 ... 1940er ... 26510.2 ... 1950er ... 26810.3 ... 1960er ... 27010.4 ... 1970er ... 27010.5 ... 1980er ... 27110.6 ... 1990er ... 28410.7 ... 2000er ... 28510.8 ... 2010er ... 28510.9 ... Zusammenfassung ... 28710.10 ... Referenzen ... 28811. Der Machine-Learning-Prozess ... 28911.1 ... Das CRISP-DM-Modell ... 28911.2 ... Feature Engineering ... 29311.3 ... Zusammenfassung ... 32411.4 ... Referenzen ... 32412. Lernverfahren ... 32512.1 ... Lernstrategien ... 32512.2 ... Werkzeuge ... 36112.3 ... Zusammenfassung ... 36612.4 ... Referenzen ... 36613. Anwendungsbereiche und Praxisbeispiele ... 36713.1 ... Warmup ... 36713.2 ... Bildklassifikation ... 37013.3 ... Erträumte Bilder ... 39113.4 ... Zusammenfassung ... 40213.5 ... Referenzen ... 402A. Python kompakt ... 403B. Mathematik kompakt ... 433C. TensorFlow 2 und Keras ... 455Index ... 467