Pit Noack, Sophia Sanner

Künstliche Intelligenz verstehen

Hands-On-Einstieg ins Fachgebiet KI zum Ausprobieren und Weiterprogrammieren, mit Übungen und Glossar

• Broschiertes Buch

Produktbeschreibung

Neugierig auf KI? Dann sind Sie hier richtig! Es erwartet Sie weit mehr als ein Buch: Im Online-Angebot sehen Sie der KI dabei zu, wie sie Texte ergänzt, Daten sortiert, Zusammenhänge erkennt oder Spiele gewinnt - auch gegen Sie?
Im Buch erfahren Sie, was hinter den Kulissen passiert: Sie lernen die grundlegenden Ideen kennen, die hinter einschlägigen KI-Verfahren stehen.
Schritt für Schritt wird die Logik ebenso erklärt wie der JavaScript-Code. Über die Web-Programmierumgebung p5js können Sie sogar die Beispielprogramme direkt im Browser verändern und weiterentwickeln. Probieren Sie es aus und experimentieren Sie! So finden Sie einen Hands-On-Einstieg ins Fachgebiet KI, mit Vorschlägen zum Weiterprogrammieren und zum Üben sowie einem Glossar Mit Lerngrafiken und Cartoons von Sophia Sanner.

Aus dem Inhalt:

Grundlagen aus der InformatikWörter und Sätze vervollständigenSchreibfehler automatisch korrigierenSpiele gewinnenZusammenhänge erkennen und Daten ordnenSelbstlernende AlgorithmenNeuronale Netze

Produktdetails

• Rheinwerk Computing
• Verlag: Rheinwerk Computing / Rheinwerk Verlag
• Artikelnr. des Verlages: 459/08467
• Seitenzahl: 334
• Erscheinungstermin: 8. Dezember 2022
• Deutsch
• Abmessung: 227mm x 171mm x 20mm
• Gewicht: 632g
• ISBN-13: 9783836284677
• ISBN-10: 3836284677
• Artikelnr.: 64193383

Inhaltsangabe

Materialien zum Buch ... 16
1. Einleitung ... 17

1.1 ... Worum es uns in diesem Buch geht ... 18
1.2 ... Für wen wir dieses Buch geschrieben haben ... 19
1.3 ... Aufbau der einzelnen Kapitel ... 20
1.4 ... Ein Wort an die Programmierunkundigen ... 20
1.5 ... Beispielprogramme und die Webseite zum Buch ... 21
1.6 ... Warum wir JavaScript und p5.js verwendet haben ... 23
1.7 ... Begriffliche Abgrenzung und Fachbegriffe ... 24
1.8 ... Inhalte, Themen, Kapitel ... 25
1.9 ... Dank ... 28

2. Texte bauen mit Markow ... 29

2.1 ... Das Beispielprogramm Nonsense-Texter ... 33
2.2 ... Der Code des Nonsense-Texters unter der Lupe ... 35
2.3 ... Das Beispielprogramm Wörter vorschlagen ... 41
2.4 ... Wörter vorschlagen ... 44
2.5 ... Gewichteter Zufall ... 46
2.6 ... Ideen zum Weitermachen ... 48
2.7 ... Zusammenfassung und Ausblick ... 49

3. Schreibfehler automatisch korrigieren ... 51

3.1 ... Das Beispielprogramm Wortvergleich ... 52
3.2 ... Die Matrix befüllen ... 55
3.3 ... Die Umsetzung im Beispielprogramm ... 60
3.4 ... Das Beispielprogramm Korrekturvorschläge ... 63
3.5 ... Ideen zum Weitermachen ... 65
3.6 ... Zusammenfassung und Ausblick ... 66

4. Wörter gruppieren ... 67

4.1 ... Items und Transaktionen ... 69
4.2 ... Kenngrößen der Assoziationsanalyse ... 70
4.3 ... Ein Beispiel von Hand gerechnet ... 74
4.4 ... Das Beispielprogramm Begriffsnetz ... 77
4.5 ... Eine Tour durch den Code ... 80
4.6 ... Ideen zum Weitermachen ... 86
4.7 ... Zusammenfassung und Ausblick ... 88

5. Spiele für eine Person lösen ... 91

5.1 ... Das Spiel Fruchtkräsch ... 91
5.2 ... Wie findet die KI den besten Zug? ... 93
5.3 ... Eine vielseitig einsetzbare Spiel-KI ... 96
5.4 ... Die Klasse Spielzustand ... 97
5.5 ... Die Klasse KI ... 100
5.6 ... Ideen zum Weitermachen ... 105
5.7 ... Zusammenfassung und Ausblick ... 106

6. Spiele für zwei Personen gewinnen ... 107

6.1 ... Das Spiel Reversi ... 108
6.2 ... Das Beispielprogramm Reversi KI ... 109
6.3 ... Der Minimax-Algorithmus ... 110
6.4 ... Tiefensuche und Rekursion ... 113
6.5 ... Die Klasse Spielzustand ... 121
6.6 ... Die Klasse KI ... 123
6.7 ... Beschleunigung mit Alpha-Beta-Pruning ... 128
6.8 ... Ideen zum Weitermachen ... 129
6.9 ... Zusammenfassung und Ausblick ... 130

7. Q-Learning ... 131

7.1 ... Das Eichhörnchen und das Nussversteck ... 132
7.2 ... Umwelt, Agent, Aktion und Belohnung ... 137
7.3 ... Die Q-Tabelle ... 139
7.4 ... Das Beispielprogramm Q-Lerner ... 140
7.5 ... Die Q-Tabelle befüllen ... 145
7.6 ... Der Code unter der Lupe ... 148
7.7 ... Gamma bestimmt die Weitsicht ... 150
7.8 ... Epsilon: Erforschung oder Anwendung ... 153
7.9 ... Ein zweiter Blick auf den Code ... 155
7.10 ... Alpha ... 157
7.11 ... Was wir weggelassen haben ... 158
7.12 ... Ideen zum Weitermachen ... 160
7.13 ... Zusammenfassung und Ausblick ... 162

8. K-nächste-Nachbarn ... 167

8.1 ... Häschen, Igel, Vogelspinne oder Hai? ... 168
8.2 ... Das Beispielprogramm Tiere erkennen ... 169
8.3 ... Entfernungen bestimmen mit Pythagoras ... 172
8.4 ... Der Code im Detail ... 174
8.5 ... Ideen zum Weitermachen ... 178
8.6 ... Zusammenfassung und Ausblick ... 179

9. K-means-Clustering ... 181

9.1 ... Clusterbildung in Aktion ... 183
9.2 ... Das Beispielprogramm Wetterdaten gruppieren ... 186
9.3 ... Der Code ... 188
9.4 ... Grenzen des Verfahrens ... 191
9.5 ... Ideen zum Weitermachen ... 195
9.6 ... Zusammenfassung und Ausblick ... 195

10. Neuronale Netze I: Das Häschenproblem ... 197

10.1 ... Bilderkennung: ein klassisches Problem ... 198
10.2 ... Was ist ein Modell? ... 199
10.3 ... Der Aufbau eines neuronalen Netzes ... 201
10.4 ... Das Häschenneuron und seine Kollegen ... 204
10.5 ... Das Beispielprogramm Tiere erkennen II ... 209
10.6 ... Der Code ... 211
10.7 ... Ideen zum Weitermachen ... 211
10.8 ... Zusammenfassung und Ausblick ... 212

11. Neuronale Netze II: Auf dem Weg ins Tal ... 213

11.1 ... Das überwachte Lernen ... 214
11.2 ... Die schrittweise Justierung des Modells ... 216
11.3 ... Das Beispielprogramm Gradientenabstieg ... 223
11.4 ... Der Code ... 225
11.5 ... Tipps zum Weitermachen ... 226
11.6 ... Zusammenfassung und Ausblick ... 226

12. Neuronale Netze III: Fehler zurückverfolgen mit dem Neuronentrainer ... 229

12.1 ... Was ist Backpropagation? ... 230
12.2 ... Das Beispielprogramm Neuronentrainer ... 231
12.3 ... Validierungsdaten, Überanpassung, Generatoren ... 237
12.4 ... Weitere Beispielaufgaben ... 240
12.5 ... Die Anzahlen der verdeckten Schichten und der Neuronen ... 244
12.6 ... Was wir weggelassen haben ... 245
12.7 ... Ideen zum Weitermachen ... 246
12.8 ... Zusammenfassung und Ausblick ... 248

13. Neuronale Netze IV: Faltungsnetze, Autoencoder, GANs und DQL ... 249

13.1 ... Faltungsnetze ... 249
13.2 ... Modelle, die Bilder erzeugen ... 258
13.3 ... Autoencoder ... 260
13.4 ... Generative Adversarial Networks ... 261
13.5 ... Deep Q-Learning ... 264
13.6 ... Zusammenfassung und Ausblick ... 265
13.7 ... Tipps zum Weitermachen ... 268

Anhang ... 269

A ... Eine kurze Einführung in JavaScript und p5.js ... 271
B ... Glossar ... 315
C ... Quellen und Literaturhinweise ... 323
D ... Abbildungsverzeichnis ... 325

Index ... 329

Rezensionen

»Konsequent alltagsnah und ungewöhnlich unterhaltsam präsentiert dieses Lehrbuch wichtige KI-Themen. [...] Mit verblüffend alltagsnahen Beispielen und großartigen, teils sehr witzigen Illustrationen vermittelt es aber auch dieser Zielgruppe viel wichtiges Wissen rund um die KI.« c't 202212