Neuronale Netze und Grundlagen der Künstlichen Intelligenz verständlich dargestellt Der
Bestseller hat Furore gemacht weil der Autor diese sowohl trockene als auch schwierige Materie
außergewöhnlich klar erklärt. Neu in der vollständig aktualisierten 2. Auflage: Das
neuronale Netz wird abschließend mit PyTorch erstellt um es in ein typisches professionelles
Szenario zu überführen. Neuronale Netze sind Grundlage vieler Anwendungen im Alltag wie
Spracherkennung Gesichtserkennung auf Fotos das selbstfahrende Auto Umwandlung von Sprache
in Text etc. Neuronale Netze sind Schlüsselelemente des Deep Learning und der
künstlichen Intelligenz die heute zu Erstaunlichem in der Lage sind. Sie sind Grundlage vieler
Anwendungen im Alltag wie beispielsweise Spracherkennung Gesichtserkennung auf Fotos oder die
Umwandlung von Sprache in Text. Dennoch verstehen nur wenige wie neuronale Netze tatsächlich
funktionieren. Dieser Bestseller jetzt in erweiterter 2. Auflage nimmt Sie mit auf eine
unterhaltsame Reise die mit ganz einfachen Ideen beginnt und Ihnen Schritt für Schritt zeigt
wie neuronale Netze arbeiten: Zunächst lernen Sie die mathematischen Konzepte kennen
die den neuronalen Netzen zugrunde liegen. Dafür brauchen Sie keine tieferen
Mathematikkenntnisse denn alle mathematischen Ideen werden behutsam und mit vielen
Illustrationen erläutert. Eine Kurzeinführung in die Analysis unterstützt Sie dabei. Dann
geht es in die Praxis: Nach einer Einführung in die populäre und leicht zu lernende
Programmiersprache Python bauen Sie allmählich Ihr eigenes neuronales Netz mit Python auf. Sie
bringen ihm bei handgeschriebene Zahlen zu erkennen bis es eine Performance wie ein
professionell entwickeltes Netz erreicht. Im nächsten Schritt verbessern Sie die Leistung
Ihres neuronalen Netzes so weit dass es eine Zahlenerkennung von 98 % erreicht - nur mit
einfachen Ideen und simplem Code. Sie testen das Netz mit Ihrer eigenen Handschrift und werfen
noch einen Blick in das mysteriöse Innere eines neuronalen Netzes. Neu in der 2. Auflage:
Sie erstellen das neuronale Netz abschließend mit PyTorch und überführen es damit in ein
typisches professionelles Szenario.
