Zum Hauptinhalt springen
Dekorationsartikel gehören nicht zum Leistungsumfang.
Eigene KI-Anwendungen programmieren
Ihr Einstieg in die KI mit zwölf Programmierprojekten. Einfach mit Python - ohne Vorkenntnisse
Taschenbuch von Metin Karatas
Sprache: Deutsch

29,90 €*

inkl. MwSt.

Versandkostenfrei per Post / DHL

auf Lager, Lieferzeit 4-7 Werktage

Kategorien:
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 Konfiguration
  • Mit verschiedenen Datenquellen arbeiten
  • Bilderkennung
  • Klassifizierungsaufgaben
  • Convolutional Neural Networks
  • Transfer Learning
  • Zeitreihenanalysen
  • Texte generieren
  • Unsupervised Learning
  • Reinforcement Learning
  • Datenanalyse mit KNIME
  • Evolutionäre Algorithmen
  • ChatGPT und DALL-E

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 Konfiguration
  • Mit verschiedenen Datenquellen arbeiten
  • Bilderkennung
  • Klassifizierungsaufgaben
  • Convolutional Neural Networks
  • Transfer Learning
  • Zeitreihenanalysen
  • Texte generieren
  • Unsupervised Learning
  • Reinforcement Learning
  • Datenanalyse mit KNIME
  • Evolutionäre Algorithmen
  • ChatGPT und DALL-E
Über den 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.
Zusammenfassung
Projekte in einfachem Python - ohne Vorkenntnisse einsteigen
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
Details
Erscheinungsjahr: 2024
Fachbereich: Programmiersprachen
Genre: Informatik, Mathematik, Medizin, Naturwissenschaften, Technik
Rubrik: Naturwissenschaften & Technik
Medium: Taschenbuch
Reihe: Rheinwerk Computing
Inhalt: 450 S.
ISBN-13: 9783836297639
ISBN-10: 3836297639
Sprache: Deutsch
Herstellernummer: 459/09763
Einband: Klappenbroschur
Autor: Karatas, Metin
Hersteller: Rheinwerk
Rheinwerk Verlag GmbH
Verantwortliche Person für die EU: Rheinwerk Verlag GmbH, Rheinwerkallee 4, D-53227 Bonn, service@rheinwerk-verlag.de
Maße: 228 x 170 x 27 mm
Von/Mit: Metin Karatas
Erscheinungsdatum: 01.02.2024
Gewicht: 0,834 kg
Artikel-ID: 127725380
Über den 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.
Zusammenfassung
Projekte in einfachem Python - ohne Vorkenntnisse einsteigen
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
Details
Erscheinungsjahr: 2024
Fachbereich: Programmiersprachen
Genre: Informatik, Mathematik, Medizin, Naturwissenschaften, Technik
Rubrik: Naturwissenschaften & Technik
Medium: Taschenbuch
Reihe: Rheinwerk Computing
Inhalt: 450 S.
ISBN-13: 9783836297639
ISBN-10: 3836297639
Sprache: Deutsch
Herstellernummer: 459/09763
Einband: Klappenbroschur
Autor: Karatas, Metin
Hersteller: Rheinwerk
Rheinwerk Verlag GmbH
Verantwortliche Person für die EU: Rheinwerk Verlag GmbH, Rheinwerkallee 4, D-53227 Bonn, service@rheinwerk-verlag.de
Maße: 228 x 170 x 27 mm
Von/Mit: Metin Karatas
Erscheinungsdatum: 01.02.2024
Gewicht: 0,834 kg
Artikel-ID: 127725380
Sicherheitshinweis

Ähnliche Produkte

Ähnliche Produkte