Warenkorb
 

Neuronale Netze selbst programmieren

Ein verständlicher Einstieg mit Python

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.

Dieses Buch 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 und Beispielen 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 tunen 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.

- Zum Schluss lassen Sie das neuronale Netz auf einem Raspberry Pi Zero laufen.

Tariq Rashid erklärt diese schwierige Materie aussergewöhnlich klar und verständlich, dadurch werden neuronale Netze für jeden Interessierten zugänglich und praktisch nachvollziehbar.
Portrait
Tariq Rashid ist Physiker, hat einen Master in Machine Learning und Data Mining und leitet die Londoner
Python-Meetup-Gruppe mit 3.000 Mitgliedern. Er ist ein Verfechter des Open-Source-Gedankens und konnte unlängst eine Open-Source-Reform für die britische Regierung durchführen.
Er ist der Überzeugung, dass immer noch zu viele wichtige Ideen schlecht erklärt werden. Seine persönliche Mission ist es, spannende, aber komplexe technische Konzepte besser zu vermitteln. Mit diesem Buch möchte er möglichst vielen Lesern Grundwissen über neuronale Netze zugänglich machen.
… weiterlesen
  • Artikelbild-0
In den Warenkorb

Beschreibung

Produktdetails

Einband Taschenbuch
Seitenzahl 232
Erscheinungsdatum 28.04.2017
Sprache Deutsch
ISBN 978-3-96009-043-4
Verlag Dpunkt.Verlag GmbH
Maße (L/B/H) 24.3/16.9/1.6 cm
Gewicht 451 g
Abbildungen mit zahlreichen farbigen Abbildungen
Übersetzer Frank Langenau
Verkaufsrang 2625
Buch (Taschenbuch)
Buch (Taschenbuch)
Fr. 42.90
Fr. 42.90
inkl. gesetzl. MwSt.
inkl. gesetzl. MwSt.
Versandfertig innert 1 - 2 Werktagen Versandkostenfrei
Versandfertig innert 1 - 2 Werktagen
Versandkostenfrei
In den Warenkorb
Vielen Dank für Ihr Feedback!
Entschuldigung, beim Absenden Ihres Feedbacks ist ein Fehler passiert. Bitte versuchen Sie es erneut.
Ihr Feedback zur Seite
Haben Sie alle relevanten Informationen erhalten?

Kundenbewertungen

Durchschnitt
4 Bewertungen
Übersicht
4
0
0
0
0

Gelungener Einstieg in die Programmierung von Neuronalen Netzen!
von einer Kundin/einem Kunden aus Augsburg am 08.03.2019

Das Buch zielt auf Einsteiger und Neulinge im Bereich des Maschinellen Lernens ab. Zu dieser Zielgruppe zähle ich mich auch selbst. Das gliedert sich drei Kapitel, deren erstes langsam an die Thematik heranführt und Basics wie die Sigmoid-Funktion nachvollziehbar erläutert. Für das Verständnis notwendige Ausführungen (bspw. zu M... Das Buch zielt auf Einsteiger und Neulinge im Bereich des Maschinellen Lernens ab. Zu dieser Zielgruppe zähle ich mich auch selbst. Das gliedert sich drei Kapitel, deren erstes langsam an die Thematik heranführt und Basics wie die Sigmoid-Funktion nachvollziehbar erläutert. Für das Verständnis notwendige Ausführungen (bspw. zu Matrizen) sind in den Anhang ausgelagert worden, was dem besseren Überblick dient. An komplexere Aspekte wie die Aktualisierung von Gewichten ("Training") wird über mehrere Seiten hinweg herangeführt und die einzelnen Schritte werden mit anschaulichen Bildern erläutert. Gerade die Abbildungen für die Backpropagierung sind sehr gelungen! Im zweiten Kapitel geht es darum ein kleines neuronales Netz selbst umzusetzen (MNIST-Daten), um handschriftliche Zahlen zu erkennen. Auch hier führt der Autor mit guten Erklärungen an den Quellcode heran, indem er mit den allgemeinen Aspekten beginnt und den Code dann schrittweise erweitert. Das letzte Kapitel zeigt Ansatzmöglichkeiten, um das neuronale Netz zu tunen und die Trefferquote zu verbessern. Insgesamt bin ich mit dem Buch sehr zufrieden, da ich exakt in der Zielgruppe liege. Jemand, der schon Erfahrung mit maschinellem Lernen hat, könnte durch die detaillierten Erläuterungen gelangweilt sein, für mich waren sie aber genau richtig! Für Einsteiger ins Thema daher eine klare Kaufempfehlung!

von einer Kundin/einem Kunden am 22.02.2019
Bewertet: anderes Format

Die nötigen Algorithmen werden in grandiosen Grafiken erklärt, der Code visuell aufbereitet. Anfänger werden hier nicht zurückgelassen und alte Hasen vertiefen ihr Verständnis!

Klasse!
von einer Kundin/einem Kunden aus Kassel am 13.01.2019

Dieses Buch entzaubert die Neuronalen Netze. Perfekt erklärt, sehr gut nachvollziehbar und eine super Grundlage zum späteren Ausprobieren eigener Ideen.