Hugendubel.info - Die B2B Online-Buchhandlung 

Merkliste
Die Merkliste ist leer.
Bitte warten - die Druckansicht der Seite wird vorbereitet.
Der Druckdialog öffnet sich, sobald die Seite vollständig geladen wurde.
Sollte die Druckvorschau unvollständig sein, bitte schliessen und "Erneut drucken" wählen.

Eigene KI-Anwendungen programmieren

Ihr Einstieg in die KI mit zwölf Programmierprojekten. Einfach mit Python - ohne Vorkenntnisse - Großformatiges Paperback. Klappenbroschur
BuchKartoniert, Paperback
450 Seiten
Deutsch
Rheinwerk Verlagerschienen am01.02.2024

KI-Anwendungen selbst erstellen und mit eigenen Daten nutzen - das ist möglich mit frei verfügbarer Technologie, lokaler Hardware und sogar ohne Programmierkenntnisse.

Die KI-Technologie wird in atemberaubendem Tempo immer zugänglicher. Mit diesem Buch sind Sie immer einen Schritt voraus. Lernen Sie einschlägige KI-Verfahren kennen und setzen Sie für jedes dieser Verfahren eine Anwendung selbst um. Dafür nutzen Sie die Data Science Plattform KNIME - ideal, um eigene Daten aus unterschiedlichen Quellen zu integrieren und mit rein grafischer Programmierung Anwendungen zu erstellen.

Das Buch deckt eine Reihe von Themen ab, darunter:

Künstliche neuronale Netze
Entscheidungsbäume
Bilderkennung
Convolutional Neural Networks
Transfer Learning
Textgenerierung
Unsupervised und Reinforcement Learning
Transformer: ChatGPT, DALL-E und Co.

Außerdem führen wir Sie in die Welt von TensorFlow und Keras ein und zeigen Ihnen, wie Sie Anwendungen in einfachem Python erstellen können. Alle vorgestellten Projekte sind in der beruflichen Bildung erprobt und haben sich als effektiv erwiesen.

So bereichern Sie Ihre Skills mit einem modernen Werkzeugkasten, mit dem Sie maschinelles Lernen in der Datenanalyse, dem Controlling und vielen weiteren Anwendungsfeldern nutzen können.

Alle Codebeispiele zum Download; Jupyter Notebooks erleichtern die Arbeit mit dem Material zum Buch. Starten Sie jetzt mit Ihrer eigenen KI!

Aus dem Inhalt:

Installation und KonfigurationMit verschiedenen Datenquellen arbeitenBilderkennungKlassifizierungsaufgabenConvolutional Neural NetworksTransfer LearningZeitreihenanalysenTexte generierenUnsupervised LearningReinforcement LearningDatenanalyse mit KNIMEEvolutionäre AlgorithmenChatGPT und DALL-E
mehr
Verfügbare Formate
BuchKartoniert, Paperback
EUR29,90
E-BookEPUB0 - No protectionE-Book
EUR22,43

Produkt

Klappentext
KI-Anwendungen selbst erstellen und mit eigenen Daten nutzen - das ist möglich mit frei verfügbarer Technologie, lokaler Hardware und sogar ohne Programmierkenntnisse.

Die KI-Technologie wird in atemberaubendem Tempo immer zugänglicher. Mit diesem Buch sind Sie immer einen Schritt voraus. Lernen Sie einschlägige KI-Verfahren kennen und setzen Sie für jedes dieser Verfahren eine Anwendung selbst um. Dafür nutzen Sie die Data Science Plattform KNIME - ideal, um eigene Daten aus unterschiedlichen Quellen zu integrieren und mit rein grafischer Programmierung Anwendungen zu erstellen.

Das Buch deckt eine Reihe von Themen ab, darunter:

Künstliche neuronale Netze
Entscheidungsbäume
Bilderkennung
Convolutional Neural Networks
Transfer Learning
Textgenerierung
Unsupervised und Reinforcement Learning
Transformer: ChatGPT, DALL-E und Co.

Außerdem führen wir Sie in die Welt von TensorFlow und Keras ein und zeigen Ihnen, wie Sie Anwendungen in einfachem Python erstellen können. Alle vorgestellten Projekte sind in der beruflichen Bildung erprobt und haben sich als effektiv erwiesen.

So bereichern Sie Ihre Skills mit einem modernen Werkzeugkasten, mit dem Sie maschinelles Lernen in der Datenanalyse, dem Controlling und vielen weiteren Anwendungsfeldern nutzen können.

Alle Codebeispiele zum Download; Jupyter Notebooks erleichtern die Arbeit mit dem Material zum Buch. Starten Sie jetzt mit Ihrer eigenen KI!

Aus dem Inhalt:

Installation und KonfigurationMit verschiedenen Datenquellen arbeitenBilderkennungKlassifizierungsaufgabenConvolutional Neural NetworksTransfer LearningZeitreihenanalysenTexte generierenUnsupervised LearningReinforcement LearningDatenanalyse mit KNIMEEvolutionäre AlgorithmenChatGPT und DALL-E
Details
ISBN/GTIN978-3-8362-9763-9
ProduktartBuch
EinbandartKartoniert, Paperback
Erscheinungsjahr2024
Erscheinungsdatum01.02.2024
Seiten450 Seiten
SpracheDeutsch
Gewicht831 g
Artikel-Nr.54921155

Inhalt/Kritik

Inhaltsverzeichnis

  Materialien zum Buch ... 13
  1.  Einleitung ... 15

       1.1 ... Was bietet dieses Buch? ... 16
       1.2 ... Was ist eine »künstliche Intelligenz«? ... 17
       1.3 ... Geschichte der KI -- ein kurzer Überblick ... 19
       1.4 ... Verwendete Werkzeuge ... 21

  2.  Installation ... 27

       2.1 ... Anaconda-Distribution ... 27
       2.2 ... KNIME ... 33

  3.  Das künstliche neuronale Netz ... 43

       3.1 ... Klassifizierung ... 44
       3.2 ... Das Kochrezept ... 46
       3.3 ... Aufbau künstlicher neuronaler Netze ... 50
       3.4 ... Aufbau eines künstlichen Neurons ... 52
       3.5 ... Feed Forward ... 53
       3.6 ... Backpropagation ... 56
       3.7 ... Aktualisierung der Gewichte ... 58
       3.8 ... KNN für Klassifizierung ... 61
       3.9 ... Hyperparameter und Overfitting ... 69
       3.10 ... Umgang mit nichtnumerischen Daten ... 71
       3.11 ... Umgang mit Datenlücken ... 73
       3.12 ... Korrelation versus Kausalität ... 75
       3.13 ... Normierung der Daten ... 84
       3.14 ... Regression ... 87
       3.15 ... Deployment ... 89
       3.16 ... Übungen ... 95

  4.  Entscheidungsbäume ... 99

       4.1 ... Einfache Entscheidungsbäume ... 100
       4.2 ... Boosting ... 112
       4.3 ... XGBoost Regressor ... 122
       4.4 ... Deployment ... 123
       4.5 ... Entscheidungsbäume mit Orange ... 125
       4.6 ... Übungen ... 129

  5.  Faltungsschichten, Bilder und mehr ... 131

       5.1 ... Einfache Bildklassifizierung ... 133
       5.2 ... Hyperparameter-Optimierung mit Early Stopping und KerasTuner ... 138
       5.3 ... Convolutional Neural Network (CNN) ... 143
       5.4 ... Bildklassifizierung mit CIFAR-10 ... 150
       5.5 ... Verwendung vortrainierter Netze ... 153
       5.6 ... Übungen ... 157

  6.  Transfer Learning ... 159

       6.1 ... Funktionsweise ... 162
       6.2 ... Übungen ... 169

  7.  Anomalieerkennung ... 171

       7.1 ... Unausgewogene Daten ... 172
       7.2 ... Resampling ... 177
       7.3 ... Autoencoder ... 179
       7.4 ... Übungen ... 186

  8.  Textklassifizierung ... 187

       8.1 ... Embedding Layer ... 187
       8.2 ... GlobalAveragePooling1D Layer ... 191
       8.3 ... Text Vectorization ... 193
       8.4 ... Analyse der Zusammenhänge ... 196
       8.5 ... Klassifizierung großer Datenmengen ... 201
       8.6 ... Übungen ... 204

  9.  Clusteranalyse ... 205

       9.1 ... Grafische Analyse der Daten ... 206
       9.2 ... Der Algorithmus k-Means-Clustering ... 211
       9.3 ... Das fertige Programm ... 214
       9.4 ... Übungen ... 217

10.  AutoKeras ... 219

       10.1 ... Klassifizierung ... 220
       10.2 ... Regression ... 222
       10.3 ... Bildklassifizierung ... 223
       10.4 ... Textklassifizierung ... 226
       10.5 ... Übungen ... 229

11.  Visuelle Programmierung mit KNIME ... 231

       11.1 ... Einfache künstliche neuronale Netze ... 232
       11.2 ... XGBoost ... 252
       11.3 ... Bildklassifizierung mit vortrainiertem Modell ... 256
       11.4 ... Transfer Learning ... 262
       11.5 ... Autoencoder ... 268
       11.6 ... Textklassifizierung ... 277
       11.7 ... AutoML ... 281
       11.8 ... Clusteranalyse ... 285
       11.9 ... Zeitreihenanalyse ... 290
       11.10 ... Textgenerierung ... 306
       11.11 ... Weitere Hinweise zu KNIME ... 312
       11.12 ... Übungen ... 313

12.  Reinforcement Learning ... 317

       12.1 ... Q-Learning ... 318
       12.2 ... Erforderliche Python-Kenntnisse für das Spiel ... 324
       12.3 ... Training ... 329
       12.4 ... Test ... 332
       12.5 ... Ausblick ... 333
       12.6 ... Übungen ... 334

13.  Genetische Algorithmen ... 335

       13.1 ... Der Algorithmus ... 336
       13.2 ... Beispiel einer sortierten Liste ... 340
       13.3 ... Beispiel für Gleichungssysteme ... 343
       13.4 ... Beispielanwendung aus der Praxis ... 346
       13.5 ... Übungen ... 349

14.  ChatGPT und GPT-4 ... 351

       14.1 ... Prompt Engineering ... 354
       14.2 ... Programmierschnittstelle ChatGPT ... 372
       14.3 ... Übung ... 389

15.  DALL-E und Nachfolgemodelle ... 391

       15.1 ... DALL-E 2 ... 392
       15.2 ... DALL-E 3 ... 397
       15.3 ... Programmierschnittstelle ... 399
       15.4 ... Übung ... 405

16.  Ausblick ... 407
  Anhang ... 409

       A ... Lösungen ... 409
       B ... Literaturhinweise ... 445

  Index ... 447
mehr
Kritik
»Das Buch "Eigene KI-Anwendungen programmieren" ist eine wertvolle Ressource für alle, die sich in diesem dynamischen Feld weiterbilden möchten. Die Kombination aus tiefgehenden Erklärungen, praxisnahen Beispielen und einer breiten Themenabdeckung macht das Buch zu einer Empfehlung für jeden, der die Faszination und das Potenzial künstlicher Intelligenz erkunden und eigene Projekte realisieren möchte.« Revisionspraxis PRev - Journal für Revision, IT-Sicherheit, SAP-Sicherheit und Datenschutz 202404mehr

Autor

Metin Karatas war der erste Lehrer des neu eingerichteten Schulfaches "Künstliche Intelligenz" in Bayern und ist Mitglied der entsprechenden Lehrplankommission. Der Ingenieur der Elektro- und Informationstechnik unterrichtet außerdem Programmierung, Elektrotechnik, Projektmanagement und mehr an einer Technikerschule für berufliche Bildung. Es begeistert ihn, modernste Technologien zu erforschen und das theoretische Verständnis mit praktischer Erfahrung zu verknüpfen.