Machine Learning mit Python für PC, Raspberry Pi und Maixduino
Diese Publikation zitieren
Machine Learning mit Python für PC, Raspberry Pi und Maixduino (2021), Elektor, Aachen, ISBN: 9783895764769
623
Accesses
Accesses
11
Quotes
Quotes
Inhaltsverzeichnis
- BEGINN
- Inhaltsverzeichnis
- Warnhinweise
- Programmdownload
- Kapitel 1 • Einführung
- 1.1 In Drei Stufen zur "Superintelligenz"?
- 1.2 Wie Maschinen lernen können
- Kapitel 2 • Eine kleine Geschichte der KI
- Kapitel 3 • Lernen aus großen Datenmengen
- 3.1 Maschinelles Lernen und Künstliche Intelligenz
- Kapitel 4 • Hardwarebasis
- Kapitel 5 • Der PC als universelle KI-Maschine
- 5.1 Der Computer als Programmierzentrale
- Kapitel 6 • Raspberry Pi
- 6.1 Remote Desktop
- 6.2 Smartphones und Tablets als Bildschirme
- 6.3 FileZilla
- 6.4 Pimp my Pi
- Kapitel 7 • Sipeed Maix: Der "MaixDuino"
- 7.1 Klein aber fein: Die Leistungsmerkmale des "MaixDuino"
- 7.2 Anwendungsbereiche
- 7.3 Inbetriebnahme und Funktionstest
- 7.4 Stromversorgung und stand-alone Betrieb
- Kapitel 8 • Programmier- und Entwicklungs-umgebungen
- 8.1 Thonny - eine Python IDE für Ein- und Aufsteiger
- 8.2 Universalgenie: Thonny für RasPi und MaixDuino
- 8.3 Umgang mit Dateien
- 8.4 Thonny auf dem Raspberry Pi
- 8.5 Tipps zur Fehlerbehebung in der Thonny IDE
- 8.6 Die MaixPy IDE
- 8.7 MicroPython-Interpreter auf dem MaixDuino
- 8.8 Flash-Tool im Einsatz
- 8.9 Machine Learning und Interaktives Python
- 8.10 Anaconda
- 8.11 Jupyter
- 8.12 Installation und Start
- 8.13 Jupyter mit MicroPython-Kernel
- 8.14 Kommunikationsaufbau zum MaixDuino
- 8.15 Des Pudels Kern: Kernels
- 8.16 Arbeiten mit Notizbüchern
- 8.17 Alle Libraries an Board?
- 8.18 Python mit Spyder
- 8.19 Wer programmiert wen?
- Kapitel 9 • Python: Ein Kompendium
- 9.1 Kommentare erleichtern das Leben
- 9.2 Die print()-Anweisung
- 9.3 Ausgaben auf das Display
- 9.4 Einrückungen und Blöcke
- 9.5 Zeitsteuerung und sleep
- 9.6 Die Hardware im Griff: Digitale Ein- und Ausgänge
- 9.7 Für wichtige Werte: Variablen und Konstanten
- 9.8 Zahlen und Variablentypen
- 9.9 Konvertieren von Zahlentypen
- 9.10 Arrays als Basis Neuronaler Netze
- 9.11 Operatoren
- 9.12 Bedingungen, Verzweigungen und Schleifen
- 9.13 Versuch und Irrtum: try und except
- Kapitel 10 • Unentbehrliche Helfer: Libraries
- 10.1 MatPlotLib als Grafikkünstler
- 10.2 Das Rechengenie: NumPy
- 10.3 Die Datenkrake: pandas
- 10.4 Lernen und Visualisieren: SciKit, SciPy, SciKit-image und Co
- 10.5 Maschinen lernen Sehen - mit OpenCV
- 10.6 Intelligenzbestien: KERAS und TensorFlow
- 10.7 Wissenstransfer: Übertragung von Lernleistungen
- 10.8 Grafische Darstellung der Netzstruktur
- 10.9 Lösung des XOR-Problems in KERAS
- 10.10 Virtuelle Umgebungen
- Kapitel 11 • Machine Learning in der Praxis
- 11.1 Transferfunktionen und vielschichtige Netze
- 11.2 Blüten und Daten
- 11.3 Grafische Darstellungen von Datensätzen
- 11.4 Ein Netz für Iris-Blüten
- 11.5 Zwei Paar Stiefel: Trainieren und Testen
- 11.6 Welche Blüte ist das?
- 11.7 Test und Lernverhalten
- Kapitel 12 • Erkennung von handschriftlichen Zahlen
- 12.1 "Hello ML" - MNIST-Datensatz
- 12.2 Ein Neuronales Netzes liest Ziffern
- 12.3 Training, Tests und Prognosen
- 12.4 Erweiterung auf Online-Video
- 12.5 KERAS kann es noch besser!
- 12.6 "Gefaltete" Netzwerke
- 12.7 Power-Training
- 12.8 Niemals ohne Qualitätskontrolle!
- 12.9 Livebilder erkennen
- 12.10 Chargengrößen und Epochen
- 12.11 Auch der MaixDuino liest Ziffern
- Kapitel 13 • Maschinen lernen sehen: Objekterkennung
- 13.1 TensorFlow für den Raspberry
- 13.2 Virtuelle Umgebungen
- 13.3 Ein universelles TFLite-Modell im Einsatz
- 13.4 Ideal für "Messies": Klamotten sortieren
- 13.5 Aufbau und Training des Modells
- 13.6 MaixDuino erkennt 20 Objekte
- 13.7 Gegenstände erkennen, zählen und sortieren
- Kapitel 14 • Maschinen lernen hören und sprechen
- 14.1 Sprich mit mir!
- 14.2 RasPi lernt sprechen
- 14.3 Messgeräte mit Sprachausgabe
- 14.4 Ich habe Sie (nicht) verstanden...
- 14.5 RasPi als "ChatBot"
- 14.6 "PlauderBots"
- 14.7 Das "sprechende Auge"
- 14.8 Eine "KI-Fledermaus"
- Kapitel 15 • Gesichtserkennung und -identifizierung
- 15.1 Das Recht am eigenen Bild
- 15.2 Maschinen erkennen Menschen und Gesichter
- 15.3 MaixDuino als Türspion
- 15.4 Wie viele Personen waren auf der Party?
- 15.5 Personenalarm
- 15.6 Sozialer Sprengstoff? - Gesichtsidentifizierung
- 15.7 "Big Brother" RasPi: Gesichtsidentifizierung in der Praxis
- 15.8 Bitte recht freundlich ;-)
- 15.9 Foto-Training
- 15.10 Erkenne dich selbst! (und andere...)
- 15.11 Ein Biometriescanner als Türöffner
- 15.12 Geschlecht und Alter erkennen
- Kapitel 16 • Trainieren eigener Modelle
- 16.1 Erstellung eines Modells für den MaixDuino
- 16.2 MaixDuino erkennt Elektronik-Komponenten
- 16.3 Performance des trainierten Netzes
- 16.4 Praxistest
- 16.5 Ausblick: Multi-Objekt-Detektoren
- Kapitel 17 • Zukunftsmusik: Von der KPU zum Neuromorphen Chip
- Kapitel 18 • Elektronische Bauelemente
- 18.1 Breadboards
- 18.2 Drahtbrücken und Jumper-Kabel
- 18.3 Widerstände
- 18.4 Leuchtdioden (LEDs)
- 18.5 Transistoren
- 18.6 Sensoren
- 18.7 Ultraschall-Entfernungsmesser
- Kapitel 19 • Fehlersuche
- Kapitel 20 • Bezugsquellen
- Kapitel 21 • Literatur
- Kapitel 22 • Abbildungsverzeichnis
- Stichwortverzeichnis