• Medientyp: Buch
  • Titel: Eigene KI-Anwendungen programmieren
  • Weitere Titel: Titelzusätze auf dem Umschlag: Bilderkennung und -generierung, ChatGPT, Neuronale Netze u.v.m.; Datenanalyse ohne Code mit KNIME; Projekte in einfachem Python - ohne Vorkenntnisse einsteigen; Jupyter Notebooks, Datenmaterial und Beispielcodes zum Download; für Ausbildung und Beruf
  • Enthält: 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
  • Beteiligte: Karatas, Metin [Verfasser:in]
  • Körperschaft: Rheinwerk Verlag
  • Erschienen: Bonn: Rheinwerk Verlag, 2024
  • Erschienen in: Rheinwerk Computing
    Für Ausbildung und Beruf
  • Ausgabe: 1. Auflage
  • Umfang: 450 Seiten; Illustrationen, Diagramme; 23 cm x 17.2 cm
  • Sprache: Deutsch
  • ISBN: 9783836297639
  • Verlags-, Produktions- oder Bestellnummern: Sonstige Nummer: 459/09763
  • RVK-Notation: ST 300 : Allgemeines
  • Schlagwörter: ChatGPT > Python > Neuronales Netz
  • Entstehung:
  • Anmerkungen: Enthält Literaturangaben und Index
    Hier auch später erschienene, unveränderte Nachdrucke
  • Beschreibung: 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

Exemplare

(0)
  • Fällig am: 04.10.2024
  • Status: Ausgeliehen, Vormerken möglich