Neuronale Netze selbst programmieren
Ein verständlicher Einstieg mit Python
Tariq Rashid
Diese Publikation zitieren
Tariq Rashid, Neuronale Netze selbst programmieren (2017), O'Reilly Verlag, Heidelberg, ISBN: 9783960101024
10740
Accesses
Accesses
133
Quotes
Quotes
Beschreibung / Abstract
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.
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.
Beschreibung
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.
Inhaltsverzeichnis
- BEGINN
- Inhalt
- Einführung
- Kapitel 1: Wie neuronale Netze arbeiten
- Leicht für mich – schwer für dich
- Eine einfache Vorhersagemaschine
- Klassifizieren unterscheidet sich nicht sehr vom Vorhersagen
- Einen einfachen Klassifizierer trainieren
- Manchmal ist ein Klassifizierer nicht genug
- Neuronen – die Rechenmaschinen der Natur
- Signalen durch ein neuronales Netz folgen
- Matrizenmultiplikation ist nützlich – ehrlich!
- Beispiel: Ein dreischichtiges Netz mit Matrizenmultiplikation
- Gewichte von mehr als einem Knoten lernen
- Fehler von mehreren Ausgabeknoten zurückführen
- Fehler auf mehrere Schichten zurückführen
- Backpropagierung von Fehlern mit Matrizenmultiplikation
- Wie aktualisieren wir eigentlich die Gewichte?
- Gewichtsaktualisierung am konkreten Beispiel
- Die Daten vorbereiten
- Kapitel 2: Do it yourself mit Python
- Python
- Interaktives Python = IPython
- Ein sehr sanfter Start mit Python
- Neuronales Netz mit Python
- Die MNIST-Datenbank mit handgeschriebenen Ziffern
- Kapitel 3: Just for fun: Das neuronale Netz tunen
- Ihre eigene Handschrift
- Das Gedächtnis eines neuronalen Netzes
- Neue Trainingsdaten erzeugen: Drehungen
- Epilog
- Anhang A: Eine leicht verständliche Einführung in die Analysis
- Eine Gerade
- Eine schräg verlaufende Gerade
- Eine gekrümmte Kurve
- Analysis per Hand
- Analysis nicht per Hand
- Analysis, ohne Graphen zu zeichnen
- Muster
- Funktionen von Funktionen
- Sie können Analysis betreiben!
- Anhang B: Das Ganze mit einem Raspberry Pi
- IPython installieren
- Vergewissern, dass alles funktioniert
- Ein neuronales Netz trainieren und testen
- Erfolg für Raspberry Pi!
- Index
- Über den Autor
- Kolophon