Produkt zum Begriff Maschinelles Lernen:
-
Maschinelles Lernen (Frochte, Jörg)
Maschinelles Lernen , Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt: - Algorithmen des maschinellen Lernens verwenden und verstehen, wie und warum sie funktionieren. - Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens. - Verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens, u.a. Random Forest, DBSCAN und Q-Learning. Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt. Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen. Die dritte Auflage wurde für die Keras/Tensorflow-Version 2 sowie Python 3.7 überarbeitet, mehrere Kapitel insbesondere zum bestärkten Lernen wurde aktualisiert und folgende Themen wurden unter anderem neu aufgenommen: - Deep Q-Learning - Class Activation Maps und Grad-CAM - Pandas-Integration und -Einführung - OpenAI Gym integriert Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis. Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt. , Bücher > Bücher & Zeitschriften , Auflage: 3., überarbeitete und erweiterte Auflage, Erscheinungsjahr: 20201120, Produktform: Kassette, Inhalt/Anzahl: 1, Inhalt/Anzahl: 1, Autoren: Frochte, Jörg, Auflage: 21003, Auflage/Ausgabe: 3., überarbeitete und erweiterte Auflage, Seitenzahl/Blattzahl: 616, Keyword: artificial intelligence basics; artificial intelligence machine learning; künstliche intelligenz ai; künstliche intelligenz programmieren; künstliche intelligenz verstehen; machine learning book; machine learning python; maschinelles lernen anfänger; maschinelles lernen grundlagen; maschinelles lernen python; selbstlernende ki; selbstlernende systeme, Fachschema: Wahrscheinlichkeitsrechnung~Intelligenz / Künstliche Intelligenz~KI~Künstliche Intelligenz - AI, Bildungszweck: für die Hochschule, Fachkategorie: Maschinelles Lernen, Thema: Verstehen, Text Sprache: ger, Sender’s product category: BUNDLE, Verlag: Hanser Fachbuchverlag, Verlag: Hanser Fachbuchverlag, Verlag: Hanser, Carl, Verlag GmbH & Co. KG, Länge: 241, Breite: 177, Höhe: 40, Gewicht: 1167, Produktform: Gebunden, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Beinhaltet: B0000059240001 B0000059240002, Beinhaltet EAN: 9783446913387 9783446913394, Vorgänger EAN: 9783446459960 9783446452916, eBook EAN: 9783446463554, Herkunftsland: DEUTSCHLAND (DE), Katalog: deutschsprachige Titel, Katalog: Gesamtkatalog, Katalog: Kennzeichnung von Titeln mit einer Relevanz > 30, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0050, Tendenz: +1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel, WolkenId: 1788644
Preis: 39.99 € | Versand*: 0 € -
Fischer, Jörn: Maschinelles Lernen für Dummies
Maschinelles Lernen für Dummies , Maschinelles Lernen ist eines der wichtigsten Teilgebiete der künstlichen Intelligenz und das Verstehen und Entwickeln von passenden Algorithmen bleibt die große Herausforderung. Dieses Buch bietet einen außergewöhnlich umfassenden Überblick über die neuesten Algorithmen und die bereits bewährten Verfahren. Jörn Fischer beschreibt nicht nur deren Funktionsweise, sondern gibt für alle Bereiche verständliche Beispiele, die detailliert beschrieben und leicht nachvollziehbar sind. Außerdem werden hilfreiche Methoden zur Fehlersuche und -beseitigung an die Hand gegeben. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 28.00 € | Versand*: 0 € -
GOOGLE CORAL USB Accelerator: USB Koprozessor für maschinelles Lernen
Der Google Coral USB Accelerator bringt Real-Time Inferenz für Ihren Pi 4 und viele andere Computer! Künstliche Intelligenz / Machine Learning für alle: Google hat mit dem Coral USB Accelerator einen leistungsfähigen Spezialchip (TPU, Tensor Processing Unit) an ein USB 3 Interface angebunden - damit können Tensor Flow Lite Modelle schnell und energiesparend für Inferenz genutzt werden. Ein besonderer Vorteil dieser Lösung: Ihre Daten bleiben lokal. Das hilft bei der Latenz, und natürlich beim Datenschutz! Google nutzt zunehmend künstliche Intelligenz (AI) und maschinelles Lernen (ML) um seine Dienstleistungen zu realisieren. Dazu entwickelte es für seine Rechenzentren spezialisierte Prozessoren namens TPU ("tensor processing unit"); die die Algorithmen mit dem TensorFlow Framework schneller und energiesparender ausführen können. Beispielsweise wird Google Maps durch von Street View aufgenommene Straßenschilder verbessert, die mit Hilfe eines auf TensorFlow basierenden neuronalen Netzes analysiert werden. Der Clou: TensorFlow kann einfach in Python programmiert werden. Google bringt mit der Edge TPU, die das TensorFlow Lite Framework unterstützt, einen USB 3 Stick auf den Markt. Die Edge TPU kann bis zu 4 Billionen Rechenoperationen pro Sekunde mit nur 2 W Verbrauch durchführen. Perfekt in Kombination mit dem Pi 4! Mit Hilfe der Google Coral Edge TPU kann Inferenz beispielsweise mit dem MobileNet v2 Model bis zu 20 x schneller als auf "dem nackten" Pi 4 ausgeführt werden. Es können so real-time Erkennungen in Videostreams mit über 50 fps durchgeführt werden, die mit dem Pi 4 ohne Beschleuniger nicht möglich wären. Dank Python und vielen Beispielen online rund um TensorFlow kann man in das Thema künstliche Intelligenz und Machine Learning mit dem Google Coral USB Accelerator einfach und mit Stil einsteigen. Hier finden Sie die offizielle "Get started" Anleitung für den USB Accelerator! https://coral.ai/docs/accelerator/get-started Technische Daten Coral USB Accelerator • Google Edge TPU ML accelerator coprocessor • USB 3.0 (USB 3.1 Gen 1) Type C socket • Unterstützt Linux, Mac und Windows auf dem Hostsystem • Leistungsaufnahme bis zu 900 mA Peak @ 5 V • Abmessungen Coral USB Stick: 65 mm x 30 mm x 8 mm Diese Benchmarks sind interessant, um ein Gefühl für die Leistungsfähigkeit des Coral USB Accelerators zu bekommen. https://coral.ai/docs/edgetpu/benchmarks/ Anforderungen an das Hostsystem • Linux Debian 6.0 oder höher, oder ein Derivat davon (bspw. Ubuntu 10.0+, Raspbian) • Systemarchitektur: x86-64, ARMv7 (32-bit) oder ARMv8 (64-bit) • macOS 10.15 mit entweder MacPorts oder Homebrew installiert • Windows 10 • Ein freier USB Port (sollte für beste Performance USB 3 sein) • Python 3.5, 3.6 oder 3.7 Umgebungstemperatur Empfohlene Umgebungstemperatur: • 35°C - reduzierte Taktfrequenz • 25°C - maximale Taktfrequenz (für optimale Leistung) Lieferumfang Google Coral USB Accelerator • USB Accelerator • USB 3 Kabel Google stellt im Coral.ai Projekt mehrere interessante Beispiele und Tutorials ( https://coral.ai/examples/ ) bereit, beispielsweise eine "Variante" von AlphaGo Zero die Minigo ( https://coral.ai/projects/minigo/ ) genannt wird. Potential für industrielle Anwendungen Der Google Coral USB Accelerator ist ein revolutionäres Produkt, ähnlich wie der Raspberry Pi, für machine learning Anwendungen! Damit werden embedded Lösungen möglich, die beispielsweise Probleme mit Werkstücken erkennen können, Verkehrssituation erkennen können, und vieles mehr. Downloads & Dokumentation • USB Accelerator Datenblatt (Datenblatt als PDF) https://coral.ai/docs/accelerator/datasheet/ • 3D CAD Datei im STEP Format https://storage.googleapis.com/site_and_emails_static_assets/Files/Coral-USB-Accelerator.STEP • Edge TPU inferencing overview (Tensor Flow Lite Modelle) https://coral.ai/docs/edgetpu/inference/ • TensorFlow models on the Edge TPU https://coral.ai/docs/edgetpu/models-intro/ • Pipeline C++ API Referenz https://coral.ai/docs/reference/cpp/pipeline/ • Edge TPU Python API https://coral.ai/docs/edgetpu/api-intro/ Hinweise & Sonstiges Wichtiger Hinweis: Der USB Stick kann beim Betrieb sehr heiß werden, was Verbrennungen verursachen kann - bitte warten Sie bis er abgekühlt ist bevor Sie ihn anfassen! Google und wir übernehmen keine Verantwortung für Schäden falls das Gerät außerhalb der empfohlenen Umgebungstemperatur betrieben wird. Google Teilenummer: G950-01456-01
Preis: 68.31 € | Versand*: 5.99 € -
Kalimba - Schnell und einfach lernen
Spielschule für Kalimba - ideal für Anfänger, Für Kalimbas mit 17 und 10 Zungen, Über 40 bekannte und beliebte Lieder, Mit vielen Playbacks über QR-Code, Schwierigkeitsgrad: 1/6, Hersteller-Nr.: HH 1071 DE,
Preis: 9.90 € | Versand*: 3.90 €
-
Was ist maschinelles Lernen?
Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, bei dem Computer Algorithmen entwickeln, die aus Daten lernen und Muster erkennen können. Dabei werden Modelle erstellt, die es Computern ermöglichen, eigenständig Probleme zu lösen, ohne explizit programmiert zu werden. Maschinelles Lernen wird in verschiedenen Bereichen eingesetzt, wie zum Beispiel in der Bilderkennung, Spracherkennung, medizinischen Diagnosen oder auch im Bereich des autonomen Fahrens. Es ermöglicht es Computern, aus Erfahrungen zu lernen und sich kontinuierlich zu verbessern.
-
Ist maschinelles Lernen nur ein Hype?
Nein, maschinelles Lernen ist kein Hype. Es handelt sich um eine Technologie, die es Computern ermöglicht, aus Daten zu lernen und Vorhersagen oder Entscheidungen zu treffen. Es hat bereits viele Anwendungen in verschiedenen Bereichen wie Medizin, Finanzen und Automobilindustrie gefunden und wird voraussichtlich weiterhin an Bedeutung gewinnen.
-
Sind Datenwissenschaft und maschinelles Lernen also Trends aus KI-Hypes?
Datenwissenschaft und maschinelles Lernen sind nicht nur Trends aus KI-Hypes, sondern auch wichtige und etablierte Bereiche in der Informatik. Sie basieren auf statistischen Methoden und Algorithmen, um Muster und Erkenntnisse aus großen Datenmengen zu gewinnen. Diese Techniken werden in verschiedenen Branchen und Anwendungen eingesetzt, um Entscheidungsprozesse zu verbessern und neue Erkenntnisse zu gewinnen.
-
Wie beeinflusst maschinelles Lernen die zukünftige Entwicklung von künstlicher Intelligenz?
Maschinelles Lernen ermöglicht es künstlicher Intelligenz, aus Daten zu lernen und Muster zu erkennen. Dadurch kann sie sich kontinuierlich verbessern und weiterentwickeln. In Zukunft wird maschinelles Lernen eine Schlüsselrolle bei der Weiterentwicklung von künstlicher Intelligenz spielen.
Ähnliche Suchbegriffe für Maschinelles Lernen:
-
Ukulele - Schnell und einfach lernen
Spielschule für Ukulele, Schwierigkeit: Sehr leicht, Umfang: 32 Seiten, Verlag/Hersteller: Cascha, Hersteller-Nr.: HH 1305,
Preis: 9.90 € | Versand*: 3.90 € -
Blockflöte - Schnell und einfach lernen
Spielschule für Blockflöte - ideal für Anfänger, Mit übersichtlicher Grifftabelle, Mit tollen Playbacks zum Mitspielen (Inkl. QR-Codes), Schwierigkeitsgrad: 1/6, Hersteller-Nr.: HH 1501,
Preis: 9.90 € | Versand*: 3.90 € -
Mundharmonika - Schnell und einfach lernen
Spielschule für Mundharmonika - ideal für Anfänger, Schon nach kurzer Zeit viele Songs spielen, Mit tollen Playbacks zum Mitspielen (QR-Codes inkl.), Schwierigkeitsgrad: 1/6, Hersteller-Nr.: HH 1601,
Preis: 9.90 € | Versand*: 3.90 € -
Schlagzeug - Schnell und einfach lernen
Spielschule für Schlagzeug - ideal für Anfänger, Schon nach kurzer Zeit erste Grooves spielen, Über 120 Videos & Hörbeispiele per QR-Code, Schwierigkeitsgrad: 1/6, Hersteller-Nr.: HH 1801,
Preis: 9.90 € | Versand*: 3.90 €
-
Wie funktioniert maschinelles Lernen und welche Anwendungen gibt es dafür?
Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, bei dem Algorithmen verwendet werden, um aus Daten zu lernen und Vorhersagen zu treffen. Es funktioniert, indem Modelle trainiert werden, um Muster in den Daten zu erkennen und daraus Schlüsse zu ziehen. Anwendungen für maschinelles Lernen sind unter anderem in der Bilderkennung, Spracherkennung, medizinischen Diagnosen und Finanzanalysen zu finden.
-
Wie kann man Ki und maschinelles Lernen mit C verwenden?
Um KI und maschinelles Lernen mit C zu verwenden, kann man auf Bibliotheken wie TensorFlow oder Caffe zurückgreifen, die C-Schnittstellen anbieten. Diese Bibliotheken ermöglichen es, komplexe KI-Modelle zu erstellen und zu trainieren. Darüber hinaus kann man auch eigene Algorithmen und Modelle in C implementieren, um spezifische Aufgaben im Bereich KI und maschinelles Lernen zu lösen.
-
Welche verschiedenen Anwendungsbereiche gibt es für künstliche Intelligenz und maschinelles Lernen?
Künstliche Intelligenz und maschinelles Lernen werden in verschiedenen Bereichen eingesetzt, darunter Medizin, Finanzen, Automobilindustrie und Marketing. In der Medizin können sie bei der Diagnose von Krankheiten und der Entwicklung neuer Behandlungsmethoden helfen. Im Finanzwesen können sie bei der Analyse von Marktdaten und der Risikobewertung eingesetzt werden. In der Automobilindustrie können sie zur Entwicklung autonomer Fahrzeuge und zur Optimierung von Produktionsprozessen verwendet werden. Im Marketing können sie zur Personalisierung von Werbung und zur Analyse von Kundenverhalten eingesetzt werden.
-
Welche verschiedenen Anwendungsbereiche gibt es für künstliche Intelligenz und maschinelles Lernen?
Künstliche Intelligenz und maschinelles Lernen finden Anwendung in verschiedenen Bereichen wie Gesundheitswesen, Finanzwesen, Automobilindustrie und E-Commerce. Im Gesundheitswesen können sie beispielsweise bei der Diagnose von Krankheiten und der Entwicklung neuer Medikamente eingesetzt werden. Im Finanzwesen können sie bei der Betrugserkennung und der Risikobewertung helfen. In der Automobilindustrie können sie autonomes Fahren ermöglichen und im E-Commerce können sie personalisierte Empfehlungen und Kundenbetreuung bieten.
* Alle Preise verstehen sich inklusive der gesetzlichen Mehrwertsteuer und ggf. zuzüglich Versandkosten. Die Angebotsinformationen basieren auf den Angaben des jeweiligen Shops und werden über automatisierte Prozesse aktualisiert. Eine Aktualisierung in Echtzeit findet nicht statt, so dass es im Einzelfall zu Abweichungen kommen kann.