Inhalt: NEURONALE NETZE MIT C# PROGRAMMIEREN //- Aufbau und Training von neuronalen Netzen- Wichtige Machine-Learning-Algorithmen verstehen und einsetzen- Arbeiten mit ML.NET und Infer.NET- Vorstellung des Open Source Framework TensorFlow.NET- Erstellen eines Lex-Chatbot für .NET- Alle Beispiele sind mit Visual Studio und C# umsetzbar Sie wollen neuronale Netze und Machine-Learning-Algorithmen mit C# entwickeln? Dann finden Sie in diesem Buch eine gut verständliche Einführung in die Grundlagen und es wird Ihnen gezeigt, wie Sie neuronale Netze und Machine-Learning-Algorithmen in Ihren eigenen Projekten praktisch einsetzen.Mithilfe von Beispielen erstellen und trainieren Sie Ihr erstes neuronales Netz zur vorausschauenden Wartung einer Produktionsmaschine.Im Praxisteil lernen Sie dann, wie Sie TensorFlow-Modelle in ML.NET benutzen oder Infer.NET direkt verwenden können. Des Weiteren nutzen Sie die Predictive- und Sentiment-Analyse, um sich mit Machine-Learning-Algorithmen vertraut zu machen.Alle im Buch vorgestellten Projekte sind in C# programmiert und stehen als Download zur Verfügung. Grundkenntnisse in C# werden für die Arbeit mit dem Buch vorausgesetzt. Alle Projekte lassen sich ohne größere Rechnerressourcen umsetzen. AUS DEM INHALT //Künstliche Intelligenz: Grundlagen/Konzepte und Methoden von Machine Learning/Neuronale Netze bauen und trainieren/Maschinensimulation mitMultilayer Perceptron ( MLP )/Backpropagation/Recurrent Neural Networks/Convolutional Neural Networks/Machine Learning as a Service/Predictive Analytics/Objekterkennung/Sentiment-Analyse Daniel Basler arbeitet als Lead Developer und Softwarearchitekt. Seine Schwerpunkte liegen auf Cross-Platform-Apps, Android, JavaScript und Microsoft-Technologien. Er entwickelt u.a. Software für Regal- und Flächenlagersysteme sowie Anlagenvisualisierung und setzt in diesem Umfeld verstärkt Machine-Learning-Methoden ein. Darüber hinaus schreibt er regelmäßig Artikel für die Fachzeitschriften dotnetpro und web&mobile Developer. Umfang: 373 S. ISBN: 978-3-446-46635-7
Inhalt: Dieses Lehrbuch bietet eine solide Einführung in das Gebiet der Künstlichen Intelligenz, ohne dabei Programmierkenntnisse vorauszusetzen. Es richtet sich somit insbesondere an nicht-informatische Studiengänge. Der Schwerpunkt liegt auf dem Verständnis der grundlegenden Methoden und der Bildung einer Beurteilungskompetenz bezüglich der maschinell trainierten Modelle. Dabei wird u. a. auf die Vorbereitung von Datensätzen eingegangen, ebenso wie auf die Verwendung von Algorithmen im überwachten und unüberwachten maschinellen Lernen. Praxisbeispiele, Verständnisfragen und Übungsaufgaben runden das Lehrbuch ab. Umfang: 218 S. ISBN: 978-3-658-34641-6
Inhalt: - Umfassender Überblick über die verschiedenen Anwendungsbereiche der Datenwissenschaft- Fallbeispiele aus der Praxis machen die beschriebenen Konzepte greifbar- Praktische Beispiele helfen Ihnen, einfache Datenanalyseprojekte durchzuführen- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Data Science, Big Data und künstliche Intelligenz gehören derzeit zu den Konzepten, über die in Industrie, Regierung und Gesellschaft am meisten geredet wird, die aber auch am meisten missverstanden werden. Dieses Buch klärt diese Konzepte und vermittelt Ihnen praktisches Wissen, um sie anzuwenden. Das Buch nähert sich dem Thema Data Science von mehreren Seiten. Es zeigt Ihnen, wie Sie Datenplattformen aufbauen sowie Data Science Tools und Methoden anwenden. Auf dem Weg dorthin hilft es Ihnen zu verstehen - und den verschiedenen Interessengruppen zu erklären - wie Sie aus diesen Techniken einen Mehrwert generieren können, z. B. indem Sie Data Science einsetzen, um Unternehmen dabei zu helfen, schnellere Entscheidungen zu treffen, Kosten zu senken und neue Märkte zu erschließen. In einem zweiten Teil werden die grundlegenden Konzepte der Datenwissenschaft beschrieben, einschließlich mathematischer Grundlagen, Verfahren maschinellen Lernens inklusive Frameworks sowie Text-, Bild- und Sprachverarbeitung. Abgerundet wird das Buch durch rechtliche Überlegungen und praktische Fallstudien aus verschiedenen Branchen. Das Autor:innenteam besteht aus Datenexpert:innen aus der Wirtschaft und aus dem akademischen Umfeld. Das Spektrum reicht von strategisch ausgerichteten Führungskräften über Data Engineers, die Produktivsysteme erstellen, bis hin zu Data Scientists, die aus Daten Wert generieren. Alle Autor:innen sind im Vorstand oder Mitglieder der Vienna Data Science Group (VDSG). Diese NGO hat sich zum Ziel gesetzt, eine Plattform für den Wissensaustausch zu etablieren. AUS DEM INHALT //- Grundlagen der Mathematik: ML-Algorithmen verstehen und nutzen- Machine Learning: Von statistischen zu neuronalen Verfahren; von Transformers und GPT-3 bis AutoML- Natural Language Processing: Werkzeuge und Techniken zur Gewinnung von Erkenntnissen aus Textdaten und zur Entwicklung von Sprachtechnologien- Computer Vision: Erkenntnisse aus Bildern und Videos gewinnen- Modellierung und Simulation: Modellierung des Verhaltens komplexer Systeme, z. B. der Ausbreitung von COVID-19. Was-wäre-wenn-Analysen- ML und KI in der Produktion: Vom Experiment zum Data-Science-Produkt- Ergebnisse präsentieren: Grundlegende Präsentationstechniken für Data Scientists Umfang: 623 S. ISBN: 978-3-446-47410-9
Programm Findus Internet-OPAC findus.pl V20.241/8 auf Server windhund2.findus-internet-opac.de,
letztes Datenbankupdate: 28.09.2024, 12:21 Uhr. 4.924 Zugriffe im September 2024. Insgesamt 762.147 Zugriffe seit Maerz 2008
Mobil - Impressum - Datenschutz - CO2-Neutral
