Neuronale Netze programmieren mit Python: Ihre Einführung in die Künstliche Intelligenz. Inkl. KI-Lernumgebung und Einstieg in TensorFlow

Über die Autorin bzw. den Autor

Dr. Roland Schwaiger ist Softwareentwickler, freiberuflicher Trainer und Berater. Die Entwicklung künstlicher neuronaler Netze (KNN) hat der promovierte Mathematiker viele Jahre über als Forscher begleitet und im Bereich Bilderkennung erfolgreich angewendet. Bei seiner Arbeit legt er Wert darauf, Theorie und Praxis zu verbinden. Ob als Autor, Kundenberater oder in seinen Seminaren – er ist begeistert, wenn der Funke überspringt.

Dr. Joachim Steinwendner ist wissenschaftlicher Projektleiter mit den Schwerpunkten Data Science, Machine Learning, Empfehlungssysteme und Deep Learning. Er hat die Entwicklung der Neuronalen Netze vom zukunftsweisenden Forschungssujet bis zur heutigen Alltagsrelevanz wissenschaftlich und für verschiedene Branchen begleitet und setzt maschinelles Lernen als Forschungsfeldleiter »GeoHealth Analytics« an der FHHS (Schweiz) ein.

Von der hinteren Coverseite

Grundlagen: Schritt für Schritt zum trainierten Modell!

Für Ihren leichten Einstieg haben die Autoren eine Lernumgebung vorbereitet, erläutern alle mathematischen Konzepte von Grund auf und fangen mit einfachen Neuronalen Netzen an. Python-Crashkurs inklusive!

Praxis, Praxis, Praxis

Die Theorie ist in diesem Fall wirklich wichtig. Und dann codieren Sie selbst, und zwar verschiedene Netztypen – und wenden sie auf verschiedene Fragestellungen an.

Die Maschinen lernen lassen

Neuronale Netze müssen trainiert werden, und dabei kommt es auf das Wie an! Lernen Sie direkt am Beispiel, wie Sie Fallstricke umgehen, Trainingsdaten geschickt nutzen, Werkzeuge auswählen und die Trefferquoten Ihrer Modelle erhöhen.