Machine Learning mit Python für PC, Raspberry Pi und Maixduino:
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
Aachen
Elektor
2021
|
| Ausgabe: | 1. Auflage |
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis |
| Beschreibung: | 266 Seiten Illustrationen 23.5 cm x 17 cm |
| ISBN: | 9783895764752 |
Internformat
MARC
| LEADER | 00000nam a22000008c 4500 | ||
|---|---|---|---|
| 001 | BV047658761 | ||
| 003 | DE-604 | ||
| 005 | 20240806 | ||
| 007 | t | ||
| 008 | 220104s2021 gw a||| |||| 00||| ger d | ||
| 015 | |a 21,N51 |2 dnb | ||
| 016 | 7 | |a 1247933423 |2 DE-101 | |
| 020 | |a 9783895764752 |c : EUR 34.80 (DE), EUR 35.80 (AT), CHF 35.95 (freier Preis) |9 978-3-89576-475-2 | ||
| 024 | 3 | |a 9783895764752 | |
| 028 | 5 | 2 | |a Bestellnummer: 19981 |
| 035 | |a (OCoLC)1289784619 | ||
| 035 | |a (DE-599)DNB1247933423 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE-NW | ||
| 049 | |a DE-29T |a DE-862 |a DE-1051 |a DE-523 |a DE-M347 |a DE-573 |a DE-83 | ||
| 084 | |a ST 302 |0 (DE-625)143652: |2 rvk | ||
| 084 | |a ST 250 |0 (DE-625)143626: |2 rvk | ||
| 084 | |a ZN 4980 |0 (DE-625)157428: |2 rvk | ||
| 084 | |8 1\p |a 621.3 |2 23sdnb | ||
| 100 | 1 | |a Spanner, Günter |d 1965- |e Verfasser |0 (DE-588)1030534675 |4 aut | |
| 245 | 1 | 0 | |a Machine Learning mit Python für PC, Raspberry Pi und Maixduino |c Dr. Günter Spanner |
| 250 | |a 1. Auflage | ||
| 264 | 1 | |a Aachen |b Elektor |c 2021 | |
| 300 | |a 266 Seiten |b Illustrationen |c 23.5 cm x 17 cm | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 650 | 0 | 7 | |a Künstliche Intelligenz |0 (DE-588)4033447-8 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Python |g Programmiersprache |0 (DE-588)4434275-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |2 gnd |9 rswk-swf |
| 653 | |a KI | ||
| 653 | |a Maixduino | ||
| 653 | |a Maschinelles Lernen | ||
| 653 | |a Python | ||
| 653 | |a Raspberry Pi | ||
| 689 | 0 | 0 | |a Künstliche Intelligenz |0 (DE-588)4033447-8 |D s |
| 689 | 0 | 1 | |a Python |g Programmiersprache |0 (DE-588)4434275-5 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
| 689 | 1 | 1 | |a Python |g Programmiersprache |0 (DE-588)4434275-5 |D s |
| 689 | 1 | |5 DE-604 | |
| 689 | 2 | 0 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
| 689 | 2 | 1 | |a Künstliche Intelligenz |0 (DE-588)4033447-8 |D s |
| 689 | 2 | 2 | |a Python |g Programmiersprache |0 (DE-588)4434275-5 |D s |
| 689 | 2 | |5 DE-604 | |
| 710 | 2 | |a Elektor Verlag GmbH |0 (DE-588)1065539746 |4 pbl | |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe |z 978-3-89576-476-9 |
| 856 | 4 | 2 | |m DNB Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033043631&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 883 | 1 | |8 1\p |a vlb |d 20211218 |q DE-101 |u https://d-nb.info/provenance/plan#vlb | |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-033043631 | |
Datensatz im Suchindex
| DE-BY-862_location | 2000 |
|---|---|
| DE-BY-FWS_call_number | 2000/ST 250 P99 S735 |
| DE-BY-FWS_katkey | 964214 |
| DE-BY-FWS_media_number | 083000524416 |
| _version_ | 1806695512711102464 |
| adam_text |
WARNHINWEISE
PROGRAMMDOWNLOAD
.
10
KAPITEL
1
YY
EINFUEHRUNG
11
1.1
IN
DREI
STUFEN
ZUR
"SUPERINTELLIGENZ"?
12
1.2
WIE
MASCHINEN
LERNEN
KOENNEN
13
KAPITEL
2
YY
EINE
KLEINE
GESCHICHTE
DER
KI
16
KAPITEL
3
YY
LERNEN
AUS
GROSSEN
DATENMENGEN
.
19
3.1
MASCHINELLES
LERNEN
UND
KUENSTLICHE
INTELLIGENZ
19
KAPITEL
4
YY
HARDWAREBASIS
.
.23
KAPITEL
5
YY
DER
PC
ALS
UNIVERSELLE
KL-MASCHINE
.
24
5.1
DER
COMPUTER
ALS
PROGRAMMIERZENTRALE
24
KAPITEL
6
YY
RASPBERRY
PI
26
6.1
REMOTE
DESKTOP
27
6.2
SMARTPHONES
UND
TABLETS
ALS
BILDSCHIRME
29
6.3
FILEZILLA
30
6.4
PIMP
MY
PI
31
KAPITEL
7
YY
SIPEED
MAIX:
DER
"MAIXDUINO"
.
33
7.1
KLEIN
ABER
FEIN:
DIE
LEISTUNGSMERKMALE
DES
"MAIXDUINO"
33
7.2
ANWENDUNGSBEREICHE
36
7.3
INBETRIEBNAHME
UND
FUNKTIONSTEST
38
7.4
STROMVERSORGUNG
UND
STAND-ALONE
BETRIEB
39
KAPITEL
8
YY
PROGRAMMIER
UND
ENTWICKLUNGS-UMGEBUNGEN
41
8.1
THONNY
-
EINE
PYTHON
IDE
FUER
EIN
UND
AUFSTEIGER
41
8.2
UNIVERSALGENIE:
THONNY
FUER
RASPI
UND
MAIXDUINO
44
8.3
UMGANG
MIT
DATEIEN
46
8.4
THONNY
AUF
DEM
RASPBERRY
PI
48
8.5
TIPPS
ZUR
FEHLERBEHEBUNG
IN
DER
THONNY
IDE
51
8.6
DIE
MAIXPY
IDE
53
8.7
MICROPYTHON-INTERPRETER
AUF
DEM
MAIXDUINO
56
8.8
FLASH-TOOL
IM
EINSATZ
58
8.9
MACHINE
LEARNING
UND
INTERAKTIVES
PYTHON
58
8.10
ANACONDA
60
8.11
JUPYTER
62
8.12
INSTALLATION
UND
START
63
YY
5
8.13
JUPYTER
MIT
MICROPYTHON-KERNEL
.
66
8.14
KOMMUNIKATIONSAUFBAU
ZUM
MAIXDUINO
.
67
8.15
DES
PUDELS
KERN:
KERNELS
.
68
8.16
ARBEITEN
MIT
NOTIZBUECHERN
.
69
8.17
ALLE
LIBRARIES
AN
BOARD?
.
70
8.18
PYTHON
MIT
SPYDER
.
71
8.19
WER
PROGRAMMIERT
WEN?
.
73
KAPITEL
9
YY
PYTHON:
EIN
KOMPENDIUM
.
74
9.1
KOMMENTARE
ERLEICHTERN
DAS
LEBEN
.
76
9.2
DIE
PRINT()-ANWEISUNG
.
78
9.3
AUSGABEN
AUF
DAS
DISPLAY
.79
9.4
EINRUECKUNGEN
UND
BLOECKE
.80
9.5
ZEITSTEUERUNG
UND
SLEEP
.
81
9.6
DIE
HARDWARE
IM
GRIFF:
DIGITALE
EIN
UND
AUSGAENGE
.83
9.7
FUER
WICHTIGE
WERTE:
VARIABLEN
UND
KONSTANTEN
.85
9.8
ZAHLEN
UND
VARIABIENTYPEN
.
86
9.9
KONVERTIEREN
VON
ZAHLENTYPEN
.87
9.10
ARRAYS
ALS
BASIS
NEURONALER
NETZE
.
88
9.11
OPERATOREN
.
89
9.12
BEDINGUNGEN,
VERZWEIGUNGEN
UND
SCHLEIFEN
.
91
9.13
VERSUCH
UND
IRRTUM:
TRY
UND
EXCEPT
.
92
KAPITEL
10
YY
UNENTBEHRLICHE
HELFER:
LIBRARIES
.
94
10.1
MATPLOTLIB
ALS
GRAFIKKUENSTLER
.
95
10.2
DAS
RECHENGENIE:
NUMPY
.
100
10.3
DIE
DATENKRAKE:
PANDAS
.
103
10.4
LERNEN
UND
VISUALISIEREN:
SCIKIT,
SCIPY,
SCIKIT-IMAGE
UND
CO
.
106
10.5
MASCHINEN
LERNEN
SEHEN
-
MIT
OPENCV
.
107
10.6
INTELLIGENZBESTIEN:
KERAS
UND
TENSORFLOW
.
113
10.7
WISSENSTRANSFER:
UEBERTRAGUNG
VON
LERNLEISTUNGEN
.
117
10.8
GRAFISCHE
DARSTELLUNG
DER
NETZSTRUKTUR
.
118
10.9
LOESUNG
DES
XOR-PROBLEMS
IN
KERAS
.
119
10.10
VIRTUELLE
UMGEBUNGEN
.
120
KAPITEL
11
YY
MACHINE
LEARNING
IN
DER
PRAXIS
.
123
11.1
TRANSFERFUNKTIONEN
UND
VIELSCHICHTIGE
NETZE
.
123
YY
6
11.2
BLUETEN
UND
DATEN
.
124
11.3
GRAFISCHE
DARSTELLUNGEN
VON
DATENSAETZEN
.
126
11.4
EIN
NETZ
FUER
IRIS-BLUETEN
.
128
11.5
ZWEI
PAAR
STIEFEL:
TRAINIEREN
UND
TESTEN
.
130
11.6
WELCHE
BLUETE
IST
DAS?
.
133
11.7
TEST
UND
LERNVERHALTEN
.
134
KAPITEL
12
YY
ERKENNUNG
VON
HANDSCHRIFTLICHEN
ZAHLEN
.
137
12.1
"HELLO
ML"
-
MNIST-DATENSATZ
.
138
12.2
EIN
NEURONALES
NETZES
LIEST
ZIFFERN
.
140
12.3
TRAINING,
TESTS
UND
PROGNOSEN
.
141
12.4
ERWEITERUNG
AUF
ONLINE-VIDEO
.
143
12.5
KERAS
KANN
ES
NOCH
BESSER!
.
145
12.6
"GEFALTETE"
NETZWERKE
.
146
12.7
POWER-TRAINING
.
151
12.8
NIEMALS
OHNE
QUALITAETSKONTROLLE!
.
152
12.9
LIVEBILDER
ERKENNEN
.
153
12.10
CHARGENGROESSEN
UND
EPOCHEN
.
156
12.11
AUCH
DER
MAIXDUINO
LIEST
ZIFFERN
.
157
KAPITEL
13
YY
MASCHINEN
LERNEN
SEHEN:
OBJEKTERKENNUNG
.
161
13.1
TENSORFLOW
FUER
DEN
RASPBERRY
.
161
13.2
VIRTUELLE
UMGEBUNGEN
.
163
13.3
EIN
UNIVERSELLES
TFLITE-MODELL
IM
EINSATZ
.
164
13.4
IDEAL
FUER
"MESSIES":
KLAMOTTEN
SORTIEREN
.
167
13.5
AUFBAU
UND
TRAINING
DES
MODELLS
.
170
13.6
MAIXDUINO
ERKENNT
20
OBJEKTE
.
173
13.7
GEGENSTAENDE
ERKENNEN,
ZAEHLEN
UND
SORTIEREN
.
176
KAPITEL
14
YY
MASCHINEN
LERNEN
HOEREN
UND
SPRECHEN
.
180
14.1
SPRICH
MIT
MIR!
.
180
14.2
RASPI
LERNT
SPRECHEN
.
182
14.3
MESSGERAETE
MIT
SPRACHAUSGABE
.
185
14.4
ICH
HABE
SIE
(NICHT)
VERSTANDEN
.
188
14.5
RASPI
ALS
"CHATBOT"
.
193
14.6
"PLAUDERBOTS"
.
196
14.7
DAS
"SPRECHENDE
AUGE"
.
197
7
14.8
EINE
"KL-FLEDERMAUS"
.
199
KAPITEL
15
YY
GESICHTSERKENNUNG
UND
-IDENTIFIZIERUNG
.
201
15.1
DAS
RECHT
AM
EIGENEN
BILD
.
203
15.2
MASCHINEN
ERKENNEN
MENSCHEN
UND
GESICHTER
.
204
15.3
MAIXDUINO
ALS
TUERSPION
.208
15.4
WIE
VIELE
PERSONEN
WAREN
AUF
DER
PARTY?
.210
15.5
PERSONENALARM
.212
15.6
SOZIALER
SPRENGSTOFF?
-
GESICHTSIDENTIFIZIERUNG
.213
15.7
"BIG
BROTHER"
RASPI:
GESICHTSIDENTIFIZIERUNG
IN
DER
PRAXIS
.
214
15.8
BITTE
RECHT
FREUNDLICH
;-)
.
216
15.9
FOTO-TRAINING
.223
15.10
ERKENNE
DICH
SELBST!
(UND
ANDERE.)
.225
15.11
EIN
BIOMETRIESCANNER
ALS
TUEROEFFNER
.225
15.12
GESCHLECHT
UND
ALTER
ERKENNEN
.227
KAPITEL
16
YY
TRAINIEREN
EIGENER
MODELLE
.
230
16.1
ERSTELLUNG
EINES
MODELLS
FUER
DEN
MAIXDUINO
.230
16.2
MAIXDUINO
ERKENNT
ELEKTRONIK-KOMPONENTEN
.233
16.3
PERFORMANCE
DES
TRAINIERTEN
NETZES
.236
16.4
PRAXISTEST
.237
16.5
AUSBLICK:
MULTI-OBJEKT-DETEKTOREN
.238
KAPITEL
17
YY
ZUKUNFTSMUSIK:
VON
DER
KPU
ZUM
NEUROMORPHEN
CHIP
.
241
KAPITEL
18
YY
ELEKTRONISCHE
BAUELEMENTE
.
247
18.1
BREADBOARDS
.248
18.2
DRAHTBRUECKEN
UND
JUMPER-KABEL
.
249
18.3
WIDERSTAENDE
.250
18.4
LEUCHTDIODEN
(LEDS)
.
251
18.5
TRANSISTOREN
.252
18.6
SENSOREN
.253
18.7
ULTRASCHALL-ENTFERNUNGSMESSER
.254
KAPITEL
19
YY
FEHLERSUCHE
.
255
KAPITEL
20
YY
BEZUGSQUELLEN
.
256
KAPITEL
21
YY
LITERATUR
.
257
KAPITEL
22
YY
ABBILDUNGSVERZEICHNIS
.
258
STICHWORTVERZEICHNIS
.
.
262
YY
8 |
| adam_txt |
WARNHINWEISE
PROGRAMMDOWNLOAD
.
10
KAPITEL
1
YY
EINFUEHRUNG
11
1.1
IN
DREI
STUFEN
ZUR
"SUPERINTELLIGENZ"?
12
1.2
WIE
MASCHINEN
LERNEN
KOENNEN
13
KAPITEL
2
YY
EINE
KLEINE
GESCHICHTE
DER
KI
16
KAPITEL
3
YY
LERNEN
AUS
GROSSEN
DATENMENGEN
.
19
3.1
MASCHINELLES
LERNEN
UND
KUENSTLICHE
INTELLIGENZ
19
KAPITEL
4
YY
HARDWAREBASIS
.
.23
KAPITEL
5
YY
DER
PC
ALS
UNIVERSELLE
KL-MASCHINE
.
24
5.1
DER
COMPUTER
ALS
PROGRAMMIERZENTRALE
24
KAPITEL
6
YY
RASPBERRY
PI
26
6.1
REMOTE
DESKTOP
27
6.2
SMARTPHONES
UND
TABLETS
ALS
BILDSCHIRME
29
6.3
FILEZILLA
30
6.4
PIMP
MY
PI
31
KAPITEL
7
YY
SIPEED
MAIX:
DER
"MAIXDUINO"
.
33
7.1
KLEIN
ABER
FEIN:
DIE
LEISTUNGSMERKMALE
DES
"MAIXDUINO"
33
7.2
ANWENDUNGSBEREICHE
36
7.3
INBETRIEBNAHME
UND
FUNKTIONSTEST
38
7.4
STROMVERSORGUNG
UND
STAND-ALONE
BETRIEB
39
KAPITEL
8
YY
PROGRAMMIER
UND
ENTWICKLUNGS-UMGEBUNGEN
41
8.1
THONNY
-
EINE
PYTHON
IDE
FUER
EIN
UND
AUFSTEIGER
41
8.2
UNIVERSALGENIE:
THONNY
FUER
RASPI
UND
MAIXDUINO
44
8.3
UMGANG
MIT
DATEIEN
46
8.4
THONNY
AUF
DEM
RASPBERRY
PI
48
8.5
TIPPS
ZUR
FEHLERBEHEBUNG
IN
DER
THONNY
IDE
51
8.6
DIE
MAIXPY
IDE
53
8.7
MICROPYTHON-INTERPRETER
AUF
DEM
MAIXDUINO
56
8.8
FLASH-TOOL
IM
EINSATZ
58
8.9
MACHINE
LEARNING
UND
INTERAKTIVES
PYTHON
58
8.10
ANACONDA
60
8.11
JUPYTER
62
8.12
INSTALLATION
UND
START
63
YY
5
8.13
JUPYTER
MIT
MICROPYTHON-KERNEL
.
66
8.14
KOMMUNIKATIONSAUFBAU
ZUM
MAIXDUINO
.
67
8.15
DES
PUDELS
KERN:
KERNELS
.
68
8.16
ARBEITEN
MIT
NOTIZBUECHERN
.
69
8.17
ALLE
LIBRARIES
AN
BOARD?
.
70
8.18
PYTHON
MIT
SPYDER
.
71
8.19
WER
PROGRAMMIERT
WEN?
.
73
KAPITEL
9
YY
PYTHON:
EIN
KOMPENDIUM
.
74
9.1
KOMMENTARE
ERLEICHTERN
DAS
LEBEN
.
76
9.2
DIE
PRINT()-ANWEISUNG
.
78
9.3
AUSGABEN
AUF
DAS
DISPLAY
.79
9.4
EINRUECKUNGEN
UND
BLOECKE
.80
9.5
ZEITSTEUERUNG
UND
SLEEP
.
81
9.6
DIE
HARDWARE
IM
GRIFF:
DIGITALE
EIN
UND
AUSGAENGE
.83
9.7
FUER
WICHTIGE
WERTE:
VARIABLEN
UND
KONSTANTEN
.85
9.8
ZAHLEN
UND
VARIABIENTYPEN
.
86
9.9
KONVERTIEREN
VON
ZAHLENTYPEN
.87
9.10
ARRAYS
ALS
BASIS
NEURONALER
NETZE
.
88
9.11
OPERATOREN
.
89
9.12
BEDINGUNGEN,
VERZWEIGUNGEN
UND
SCHLEIFEN
.
91
9.13
VERSUCH
UND
IRRTUM:
TRY
UND
EXCEPT
.
92
KAPITEL
10
YY
UNENTBEHRLICHE
HELFER:
LIBRARIES
.
94
10.1
MATPLOTLIB
ALS
GRAFIKKUENSTLER
.
95
10.2
DAS
RECHENGENIE:
NUMPY
.
100
10.3
DIE
DATENKRAKE:
PANDAS
.
103
10.4
LERNEN
UND
VISUALISIEREN:
SCIKIT,
SCIPY,
SCIKIT-IMAGE
UND
CO
.
106
10.5
MASCHINEN
LERNEN
SEHEN
-
MIT
OPENCV
.
107
10.6
INTELLIGENZBESTIEN:
KERAS
UND
TENSORFLOW
.
113
10.7
WISSENSTRANSFER:
UEBERTRAGUNG
VON
LERNLEISTUNGEN
.
117
10.8
GRAFISCHE
DARSTELLUNG
DER
NETZSTRUKTUR
.
118
10.9
LOESUNG
DES
XOR-PROBLEMS
IN
KERAS
.
119
10.10
VIRTUELLE
UMGEBUNGEN
.
120
KAPITEL
11
YY
MACHINE
LEARNING
IN
DER
PRAXIS
.
123
11.1
TRANSFERFUNKTIONEN
UND
VIELSCHICHTIGE
NETZE
.
123
YY
6
11.2
BLUETEN
UND
DATEN
.
124
11.3
GRAFISCHE
DARSTELLUNGEN
VON
DATENSAETZEN
.
126
11.4
EIN
NETZ
FUER
IRIS-BLUETEN
.
128
11.5
ZWEI
PAAR
STIEFEL:
TRAINIEREN
UND
TESTEN
.
130
11.6
WELCHE
BLUETE
IST
DAS?
.
133
11.7
TEST
UND
LERNVERHALTEN
.
134
KAPITEL
12
YY
ERKENNUNG
VON
HANDSCHRIFTLICHEN
ZAHLEN
.
137
12.1
"HELLO
ML"
-
MNIST-DATENSATZ
.
138
12.2
EIN
NEURONALES
NETZES
LIEST
ZIFFERN
.
140
12.3
TRAINING,
TESTS
UND
PROGNOSEN
.
141
12.4
ERWEITERUNG
AUF
ONLINE-VIDEO
.
143
12.5
KERAS
KANN
ES
NOCH
BESSER!
.
145
12.6
"GEFALTETE"
NETZWERKE
.
146
12.7
POWER-TRAINING
.
151
12.8
NIEMALS
OHNE
QUALITAETSKONTROLLE!
.
152
12.9
LIVEBILDER
ERKENNEN
.
153
12.10
CHARGENGROESSEN
UND
EPOCHEN
.
156
12.11
AUCH
DER
MAIXDUINO
LIEST
ZIFFERN
.
157
KAPITEL
13
YY
MASCHINEN
LERNEN
SEHEN:
OBJEKTERKENNUNG
.
161
13.1
TENSORFLOW
FUER
DEN
RASPBERRY
.
161
13.2
VIRTUELLE
UMGEBUNGEN
.
163
13.3
EIN
UNIVERSELLES
TFLITE-MODELL
IM
EINSATZ
.
164
13.4
IDEAL
FUER
"MESSIES":
KLAMOTTEN
SORTIEREN
.
167
13.5
AUFBAU
UND
TRAINING
DES
MODELLS
.
170
13.6
MAIXDUINO
ERKENNT
20
OBJEKTE
.
173
13.7
GEGENSTAENDE
ERKENNEN,
ZAEHLEN
UND
SORTIEREN
.
176
KAPITEL
14
YY
MASCHINEN
LERNEN
HOEREN
UND
SPRECHEN
.
180
14.1
SPRICH
MIT
MIR!
.
180
14.2
RASPI
LERNT
SPRECHEN
.
182
14.3
MESSGERAETE
MIT
SPRACHAUSGABE
.
185
14.4
ICH
HABE
SIE
(NICHT)
VERSTANDEN
.
188
14.5
RASPI
ALS
"CHATBOT"
.
193
14.6
"PLAUDERBOTS"
.
196
14.7
DAS
"SPRECHENDE
AUGE"
.
197
7
14.8
EINE
"KL-FLEDERMAUS"
.
199
KAPITEL
15
YY
GESICHTSERKENNUNG
UND
-IDENTIFIZIERUNG
.
201
15.1
DAS
RECHT
AM
EIGENEN
BILD
.
203
15.2
MASCHINEN
ERKENNEN
MENSCHEN
UND
GESICHTER
.
204
15.3
MAIXDUINO
ALS
TUERSPION
.208
15.4
WIE
VIELE
PERSONEN
WAREN
AUF
DER
PARTY?
.210
15.5
PERSONENALARM
.212
15.6
SOZIALER
SPRENGSTOFF?
-
GESICHTSIDENTIFIZIERUNG
.213
15.7
"BIG
BROTHER"
RASPI:
GESICHTSIDENTIFIZIERUNG
IN
DER
PRAXIS
.
214
15.8
BITTE
RECHT
FREUNDLICH
;-)
.
216
15.9
FOTO-TRAINING
.223
15.10
ERKENNE
DICH
SELBST!
(UND
ANDERE.)
.225
15.11
EIN
BIOMETRIESCANNER
ALS
TUEROEFFNER
.225
15.12
GESCHLECHT
UND
ALTER
ERKENNEN
.227
KAPITEL
16
YY
TRAINIEREN
EIGENER
MODELLE
.
230
16.1
ERSTELLUNG
EINES
MODELLS
FUER
DEN
MAIXDUINO
.230
16.2
MAIXDUINO
ERKENNT
ELEKTRONIK-KOMPONENTEN
.233
16.3
PERFORMANCE
DES
TRAINIERTEN
NETZES
.236
16.4
PRAXISTEST
.237
16.5
AUSBLICK:
MULTI-OBJEKT-DETEKTOREN
.238
KAPITEL
17
YY
ZUKUNFTSMUSIK:
VON
DER
KPU
ZUM
NEUROMORPHEN
CHIP
.
241
KAPITEL
18
YY
ELEKTRONISCHE
BAUELEMENTE
.
247
18.1
BREADBOARDS
.248
18.2
DRAHTBRUECKEN
UND
JUMPER-KABEL
.
249
18.3
WIDERSTAENDE
.250
18.4
LEUCHTDIODEN
(LEDS)
.
251
18.5
TRANSISTOREN
.252
18.6
SENSOREN
.253
18.7
ULTRASCHALL-ENTFERNUNGSMESSER
.254
KAPITEL
19
YY
FEHLERSUCHE
.
255
KAPITEL
20
YY
BEZUGSQUELLEN
.
256
KAPITEL
21
YY
LITERATUR
.
257
KAPITEL
22
YY
ABBILDUNGSVERZEICHNIS
.
258
STICHWORTVERZEICHNIS
.
.
262
YY
8 |
| any_adam_object | 1 |
| any_adam_object_boolean | 1 |
| author | Spanner, Günter 1965- |
| author_GND | (DE-588)1030534675 |
| author_facet | Spanner, Günter 1965- |
| author_role | aut |
| author_sort | Spanner, Günter 1965- |
| author_variant | g s gs |
| building | Verbundindex |
| bvnumber | BV047658761 |
| classification_rvk | ST 302 ST 250 ZN 4980 |
| ctrlnum | (OCoLC)1289784619 (DE-599)DNB1247933423 |
| discipline | Informatik Elektrotechnik / Elektronik / Nachrichtentechnik |
| discipline_str_mv | Informatik |
| edition | 1. Auflage |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a22000008c 4500</leader><controlfield tag="001">BV047658761</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20240806</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">220104s2021 gw a||| |||| 00||| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">21,N51</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1247933423</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783895764752</subfield><subfield code="c">: EUR 34.80 (DE), EUR 35.80 (AT), CHF 35.95 (freier Preis)</subfield><subfield code="9">978-3-89576-475-2</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783895764752</subfield></datafield><datafield tag="028" ind1="5" ind2="2"><subfield code="a">Bestellnummer: 19981</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1289784619</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1247933423</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-NW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-29T</subfield><subfield code="a">DE-862</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-M347</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-83</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 302</subfield><subfield code="0">(DE-625)143652:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 250</subfield><subfield code="0">(DE-625)143626:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ZN 4980</subfield><subfield code="0">(DE-625)157428:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="8">1\p</subfield><subfield code="a">621.3</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Spanner, Günter</subfield><subfield code="d">1965-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1030534675</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Machine Learning mit Python für PC, Raspberry Pi und Maixduino</subfield><subfield code="c">Dr. Günter Spanner</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Aachen</subfield><subfield code="b">Elektor</subfield><subfield code="c">2021</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">266 Seiten</subfield><subfield code="b">Illustrationen</subfield><subfield code="c">23.5 cm x 17 cm</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">KI</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Maixduino</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Maschinelles Lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Python</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Raspberry Pi</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="2" ind2="0"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="1"><subfield code="a">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2="2"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="2" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Elektor Verlag GmbH</subfield><subfield code="0">(DE-588)1065539746</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe</subfield><subfield code="z">978-3-89576-476-9</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033043631&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">vlb</subfield><subfield code="d">20211218</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#vlb</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-033043631</subfield></datafield></record></collection> |
| id | DE-604.BV047658761 |
| illustrated | Illustrated |
| index_date | 2024-07-03T18:51:54Z |
| indexdate | 2024-08-07T04:51:46Z |
| institution | BVB |
| institution_GND | (DE-588)1065539746 |
| isbn | 9783895764752 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-033043631 |
| oclc_num | 1289784619 |
| open_access_boolean | |
| owner | DE-29T DE-862 DE-BY-FWS DE-1051 DE-523 DE-M347 DE-573 DE-83 |
| owner_facet | DE-29T DE-862 DE-BY-FWS DE-1051 DE-523 DE-M347 DE-573 DE-83 |
| physical | 266 Seiten Illustrationen 23.5 cm x 17 cm |
| publishDate | 2021 |
| publishDateSearch | 2021 |
| publishDateSort | 2021 |
| publisher | Elektor |
| record_format | marc |
| spellingShingle | Spanner, Günter 1965- Machine Learning mit Python für PC, Raspberry Pi und Maixduino Künstliche Intelligenz (DE-588)4033447-8 gnd Python Programmiersprache (DE-588)4434275-5 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| subject_GND | (DE-588)4033447-8 (DE-588)4434275-5 (DE-588)4193754-5 |
| title | Machine Learning mit Python für PC, Raspberry Pi und Maixduino |
| title_auth | Machine Learning mit Python für PC, Raspberry Pi und Maixduino |
| title_exact_search | Machine Learning mit Python für PC, Raspberry Pi und Maixduino |
| title_exact_search_txtP | Machine Learning mit Python für PC, Raspberry Pi und Maixduino |
| title_full | Machine Learning mit Python für PC, Raspberry Pi und Maixduino Dr. Günter Spanner |
| title_fullStr | Machine Learning mit Python für PC, Raspberry Pi und Maixduino Dr. Günter Spanner |
| title_full_unstemmed | Machine Learning mit Python für PC, Raspberry Pi und Maixduino Dr. Günter Spanner |
| title_short | Machine Learning mit Python für PC, Raspberry Pi und Maixduino |
| title_sort | machine learning mit python fur pc raspberry pi und maixduino |
| topic | Künstliche Intelligenz (DE-588)4033447-8 gnd Python Programmiersprache (DE-588)4434275-5 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| topic_facet | Künstliche Intelligenz Python Programmiersprache Maschinelles Lernen |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033043631&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT spannergunter machinelearningmitpythonfurpcraspberrypiundmaixduino AT elektorverlaggmbh machinelearningmitpythonfurpcraspberrypiundmaixduino |
Inhaltsverzeichnis
THWS Schweinfurt Zentralbibliothek Lesesaal
| Signatur: |
2000 ST 250 P99 S735 |
|---|---|
| Exemplar 1 | ausleihbar Verfügbar Bestellen |