Neuronale Netze selbst programmieren (eBook)
232 Seiten
O'Reilly Verlag
978-3-96010-102-4 (ISBN)
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.
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.
Inhalt 5
Einführung 9
Kapitel 1: Wie neuronale Netze arbeiten 15
Leicht für mich – schwer für dich 15
Eine einfache Vorhersagemaschine 17
Klassifizieren unterscheidet sich nicht sehr vom Vorhersagen 22
Einen einfachen Klassifizierer trainieren 28
Manchmal ist ein Klassifizierer nicht genug 38
Neuronen – die Rechenmaschinen der Natur 44
Signalen durch ein neuronales Netz folgen 53
Matrizenmultiplikation ist nützlich – ehrlich! 58
Beispiel: Ein dreischichtiges Netz mit Matrizenmultiplikation 65
Gewichte von mehr als einem Knoten lernen 73
Fehler von mehreren Ausgabeknoten zurückführen 75
Fehler auf mehrere Schichten zurückführen 77
Backpropagierung von Fehlern mit Matrizenmultiplikation 81
Wie aktualisieren wir eigentlich die Gewichte? 84
Gewichtsaktualisierung am konkreten Beispiel 102
Die Daten vorbereiten 103
Eingaben 103
Ausgaben 104
Zufällige Anfangswerte 105
Kapitel 2: Do it yourself mit Python 109
Python 109
Interaktives Python = IPython 110
Ein sehr sanfter Start mit Python 111
Notebooks 111
Einfaches Python 113
Arbeiten automatisieren 115
Kommentare 118
Funktionen 118
Arrays 121
Arrays grafisch darstellen 124
Objekte 126
Neuronales Netz mit Python 132
Der Gerüstcode 132
Das Netz initialisieren 133
Gewichte – das Herz des Netzes 135
Optional: differenzierte Initialisierung der Gewichte 137
Das Netz abfragen 138
Der aktuelle Stand des Codes 140
Das Netz trainieren 143
Der vollständige Code für das neuronale Netz 146
Die MNIST-Datenbank mit handgeschriebenen Ziffern 147
Die MNIST-Trainingsdaten vorbereiten 155
Das Netz testen 162
Mit sämtlichen Datensätzen trainieren und testen 166
Verbesserungen: Optimieren der Lernrate 167
Verbesserungen: Mehrere Läufe 169
Die Gestalt des Netzes ändern 171
Gute Arbeit! 173
Der endgültige Code 174
Kapitel 3: Just for fun: Das neuronale Netz tunen 179
Ihre eigene Handschrift 179
Das Gedächtnis eines neuronalen Netzes 182
Geheimnisvolle Blackbox 182
Rückwärtsabfrage 183
Die Kennung »0« 184
Weitere Hirnscans 185
Neue Trainingsdaten erzeugen: Drehungen 187
Epilog 191
Anhang A: Eine leicht verständliche Einführung in die Analysis 193
Eine Gerade 194
Eine schräg verlaufende Gerade 196
Eine gekrümmte Kurve 198
Analysis per Hand 200
Analysis nicht per Hand 202
Analysis, ohne Graphen zu zeichnen 205
Muster 208
Funktionen von Funktionen 210
Sie können Analysis betreiben! 213
Anhang B: Das Ganze mit einem Raspberry Pi 215
IPython installieren 216
Vergewissern, dass alles funktioniert 223
Ein neuronales Netz trainieren und testen 224
Erfolg für Raspberry Pi! 225
Index 227
Über den Autor 231
Kolophon 231
www.oreilly.de 0
Erscheint lt. Verlag | 24.5.2017 |
---|---|
Reihe/Serie | Animals |
Übersetzer | Frank Langenau |
Verlagsort | Heidelberg |
Sprache | deutsch |
Themenwelt | Mathematik / Informatik ► Informatik ► Programmiersprachen / -werkzeuge |
Schlagworte | AI • Artificial Intelligence • Big Data • Data Mining • Deep learning • Künstliche Intelligenz • Künstliche Neuronale Netze • machine learning • Maschinelles Lernen • Neuronale Netze • Python • Raspbery Pi |
ISBN-10 | 3-96010-102-3 / 3960101023 |
ISBN-13 | 978-3-96010-102-4 / 9783960101024 |
Haben Sie eine Frage zum Produkt? |
Größe: 19,7 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Zusätzliches Feature: Online Lesen
Dieses eBook können Sie zusätzlich zum Download auch online im Webbrowser lesen.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich