Verfügbarkeit: Künstliche Intelligenz verstehen

Künstliche Intelligenz verstehen: eine spielerische Einführung in die KI

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Noack, Pit (VerfasserIn)
Weitere Verfasser:	Sanner, Sophia (IllustratorIn)
Format:	Buch
Sprache:	German
Veröffentlicht:	Bonn Rheinwerk 2023
Ausgabe:	1. Auflage
Schriftenreihe:	Rheinwerk Computing
Schlagworte:	Künstliche Intelligenz KI Programmierung Einführung Grundkurs Grundlagen Praxis-Buch Kurs Anleitung Workshop Tutorial Weiterbildung Programmieren spielerisch lernen Neuronale Netze Einstieg Algorithmen Experimente JavaScript Informatik Levenstein
Online-Zugang:	Inhaltstext Inhaltsverzeichnis
Beschreibung:	Auf dem Umschlag: "Mit JavaScript-Beispielen zum online Ausprobieren und Modifizieren ; ohne Vorkenntnisse einsteigen, mit vielen Illustrationen ; Spiele-KI, Graphen, Neuronale Netze u.v.m."
Beschreibung:	334 Seiten Illustrationen, Diagramme 23 cm x 17.2 cm
ISBN:	9783836284677 3836284677

Internformat

MARC


LEADER	00000nam a22000008c 4500
001	BV048594413
003	DE-604
005	20230309
007	t
008	221205s2023 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 22,N25 \|2 dnb
016	7		\|a 1260157261 \|2 DE-101
020			\|a 9783836284677 \|c Broschur : EUR 29.90 (DE), EUR 30.80 (AT), CHF 38.90 (freier Preis) \|9 978-3-8362-8467-7
020			\|a 3836284677 \|9 3-8362-8467-7
024	3		\|a 9783836284677
028	5	2	\|a Bestellnummer: 459/08467
035			\|a (OCoLC)1352257855
035			\|a (DE-599)DNB1260157261
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-NW
049			\|a DE-20 \|a DE-92 \|a DE-860 \|a DE-898 \|a DE-B768 \|a DE-1043 \|a DE-523 \|a DE-Aug4 \|a DE-1051 \|a DE-29T \|a DE-1049 \|a DE-1102 \|a DE-M347 \|a DE-1029 \|a DE-11
084			\|a ST 300 \|0 (DE-625)143650: \|2 rvk
084			\|8 1\p \|a 004 \|2 23sdnb
100	1		\|a Noack, Pit \|e Verfasser \|0 (DE-588)1274480108 \|4 aut
245	1	0	\|a Künstliche Intelligenz verstehen \|b eine spielerische Einführung in die KI \|c Pit Noack, Sophia Sanner
250			\|a 1. Auflage
264		1	\|a Bonn \|b Rheinwerk \|c 2023
300			\|a 334 Seiten \|b Illustrationen, Diagramme \|c 23 cm x 17.2 cm
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
490	0		\|a Rheinwerk Computing
500			\|a Auf dem Umschlag: "Mit JavaScript-Beispielen zum online Ausprobieren und Modifizieren ; ohne Vorkenntnisse einsteigen, mit vielen Illustrationen ; Spiele-KI, Graphen, Neuronale Netze u.v.m."
650	0	7	\|a Künstliche Intelligenz \|0 (DE-588)4033447-8 \|2 gnd \|9 rswk-swf
653			\|a Künstliche Intelligenz
653			\|a KI
653			\|a Programmierung
653			\|a Einführung
653			\|a Grundkurs
653			\|a Grundlagen
653			\|a Praxis-Buch Kurs Anleitung Workshop Tutorial Weiterbildung
653			\|a Programmieren
653			\|a spielerisch lernen
653			\|a Neuronale Netze
653			\|a Einstieg
653			\|a Algorithmen
653			\|a Experimente
653			\|a JavaScript
653			\|a Informatik
653			\|a Levenstein
655		7	\|0 (DE-588)4151278-9 \|a Einführung \|2 gnd-content
689	0	0	\|a Künstliche Intelligenz \|0 (DE-588)4033447-8 \|D s
689	0		\|5 DE-604
700	1		\|a Sanner, Sophia \|0 (DE-588)1274480213 \|4 ill
710	2		\|a Rheinwerk Verlag \|0 (DE-588)1081738405 \|4 pbl
856	4	2	\|m X:MVB \|q text/html \|u http://deposit.dnb.de/cgi-bin/dokserv?id=00553a20ad8d4a71bbcd6c47e26066f5&prov=M&dok_var=1&dok_ext=htm \|3 Inhaltstext
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=033970051&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
999			\|a oai:aleph.bib-bvb.de:BVB01-033970051
883	1		\|8 1\p \|a vlb \|d 20220618 \|q DE-101 \|u https://d-nb.info/provenance/plan#vlb

Datensatz im Suchindex

_version_	1804184634751188992
adam_text	AUF EINEN BLICK 1 EINLEITUNG .............................................................................................. 17 2 TEXTE BAUEN MIT MARKOW ..................................................................... 29 3 SCHREIBFEHLER AUTOMATISCH KORRIGIEREN ................................................. 51 4 WOERTER GRUPPIEREN ................................................................................ 67 5 SPIELE FUER EINE PERSON LOESEN .................................................................. 91 6 SPIELE FUER ZWEI PERSONEN GEWINNEN ...................................................... 107 7 Q-LEARNING ............................................................................................. 131 8 K-NAECHSTE-NACHBARN .............................................................................. 167 9 K-MEANS-CLUSTERING .............................................................................. 181 10 NEURONALE NETZE I: DAS HAESCHENPROBLEM ............................................. 197 11 NEURONALE NETZE II: AUF DEM WEG INS TAL ............................................. 213 12 NEURONALE NETZE III: FEHLER ZURUECKVERFOLGEN MIT DEM NEURONENTRAINER ............................................................................ 229 13 NEURONALE NETZE IV: FALTUNGSNETZE, AUTOENCODER, GANS UND DQL ....... 249 INHALT MATERIALIEN ZUM BUCH ........................................................................................................ 16 1 EINLEITUNG 17 1.1 WORUM ES UNS IN DIESEM BUCH GEHT ................................................................... 18 1.2 FUER WEN WIR DIESES BUCH GESCHRIEBEN HABEN .................................................... 19 1.3 AUFBAU DER EINZELNEN KAPITEL ............................................................................ 20 1.4 EIN WORT AN DIE PROGRAMMIERUNKUNDIGEN ........................................................ 20 1.5 BEISPIELPROGRAMME UND DIE WEBSEITE ZUM BUCH ............................................ 21 1.6 WARUM WIR JAVASCRIPT UND P5.JS VERWENDET HABEN ......................................... 23 1.7 BEGRIFFLICHE ABGRENZUNG UND FACHBEGRIFFE ....................................... 24 1.8 INHALTE, THEMEN, KAPITEL ..................................................................................... 25 1.9 DANK ...................................................................................................................... 28 2 TEXTE BAUEN MIT MARKOW 29 2.1 DAS BEISPIELPROGRAMM NONSENSE-TEXTER .......................................................... 33 2.2 DER CODE DES NONSENSE-TEXTERS UNTER DER LUPE ............................................... 35 2.2.1 DIE KOMPONENTEN DES MARKOW-OBJEKTS ................................................ 35 2.2.2 UEBERGAENGE LERNEN .................................................................................... 36 2.2.3 NONSENSE-TEXTE PRODUZIEREN .................................................................. 38 2.3 DAS BEISPIELPROGRAMM WOERTER VORSCHLAGEN ..................................................... 41 2.3.1 DIE KOMPONENTEN DES MARKOW-OBJEKTS ................................................. 41 2.3.2 UEBERGAENGE UND HAEUFIGKEITEN LERNEN ..................................................... 42 2.4 WOERTER VORSCHLAGEN ............................................................................................. 44 2.5 GEWICHTETER ZUFALL ............................................................................................... 46 2.6 IDEEN ZUM WEITERMACHEN ................................................................................... 48 2.7 ZUSAMMENFASSUNG UND AUSBLICK ....................................................................... 49 7 3 SCHREIBFEHLER AUTOMATISCH KORRIGIEREN 51 3.1 DAS BEISPIELPROGRAMM WORTVERGLEICH ............................................................... 52 3.2 DIE MATRIX BEFUELLEN ............................................................................................... 55 3.2.1 DIE FUELLUNG DER OBEREN ZEILE UND DER LINKEN SPALTE ................................ 55 3.2.2 DIE FUELLUNG DER VERBLEIBENDEN ZELLEN ...................................................... 56 3.2.3 DIE DREI SCHRITTE UNTER DER LUPE ............................................................... 60 3.3 DIE UMSETZUNG IM BEISPIELPROGRAMM ............................................................... 60 3.3.1 DAS LEVENSHTEIN-OBJEKT .......................................................................... 60 3.3.2 DIE FUNKTION MATRIX() .............................................................................. 61 3.4 DAS BEISPIELPROGRAMM KORREKTURVORSCHLAEGE .................................................... 63 3.5 IDEEN ZUM WEITERMACHEN .................................................................................... 65 3.6 ZUSAMMENFASSUNG UND AUSBLICK ........................................................................ 66 4 WOERTER GRUPPIEREN 67 4.1 ITEMS UND TRANSAKTIONEN ..................................................................................... 69 4.2 KENNGROESSEN DER ASSOZIATIONSANALYSE ................................................................ 70 4.2.1 SUPPORT ..................................................................................................... 70 4.2.2 CONFIDENCE ................................................................................................ 71 4.2.3 LIFT .............................................................................................................. 72 4.3 EIN BEISPIEL VON HAND GERECHNET ........................................................................ 74 4.4 DAS BEISPIELPROGRAMM BEGRIFFSNETZ .................................................................. 77 4.4.1 DIE DATENQUELLE ........................................................................................ 79 4.4.2 BESCHRAENKUNG DER ANWENDUNG AUF ITEM-PAARE ...................................... 79 4.5 EINE TOUR DURCH DEN CODE .................................................................................... 80 4.5.1 DIE KLASSE BEGRIFFSNETZ ............................................................................. 80 4.5.2 ENKODIERUNG DER TRANSAKTIONEN .............................................................. 81 4.5.3 BEFUELLUNGDER ARRAYS FUER SUPPORT ............................................................. 83 4.5.4 BEFUELLUNGDER ARRAYS FUER CONFIDENCE UND LIFT ......................................... 85 4.5.5 DIE FUNKTION ASSOZIATIONEN() ................................................................... 85 4.6 IDEEN ZUM WEITERMACHEN ................................................................................... 86 8 4.7 ZUSAMMENFASSUNG UND AUSBLICK ........................................................................ 88 4.7.1 DER APRIORI-ALGORITHMUS ........................................................................ 88 4.7.2 TRANSAKTIONSTABELLEN ............................................................................. 88 4.73 EINE UEBERSICHT ALLER FACHBEGRIFFE AUS DIESEM KAPITEL ........................... 89 5 SPIELE FUER EINE PERSON LOESEN 91 5.1 DAS SPIEL FRUCHTKRAESCH ......................................................................................... 91 5.2 WIE FINDET DIE KL DEN BESTEN ZUG? ...................................................................... 93 5.3 EINE VIELSEITIG EINSETZBARE SPIEL-KL ..................................................................... 96 5.4 DIE KLASSE SPIELZUSTAND ....................................................................................... 97 5.4.1 ZUEGE LIEFERN MODIFIZIERTE SPIELZUSTAENDE ................................................ 97 5.4.2 DIE MOEGLICHEN ZUEGE ................................................................................. 98 5.4.3 DIE BEWERTUNG EINES SPIELZUSTANDS ........................................................ 98 5.4.4 EIN GEDAECHTNIS FUER ZUEGE ........................................................................... 99 5.4.5 DIE SCHNITTSTELLE IM UEBERBLICK ................................................................. 99 5.5 DIE KLASSE KL .......................................................................................................... 100 5.5.1 ALLE FOLGEZUSTAENDE EINES SPIELZUSTANDS BERECHNEN ............................... 100 5.5.2 ALLE SPIELVERLAEUFE PER WARTESCHLANGENVERFAHREN BERECHNEN ................ 101 5.5.3 DIE SPIELZUSTAENDE NACH BEWERTUNG SORTIEREN ........................................ 104 5.5.4 DIE FUNKTION BESTERZUGO ........................................................................ 104 5.5.5 DIE FUNKTIONEN DES KL-OBJEKTS IM UEBERBLICK .......................................... 105 5.6 IDEEN ZUM WEITERMACHEN ................................................................................... 105 5.7 ZUSAMMENFASSUNG UND AUSBLICK ....................................................................... 106 6 SPIELE FUER ZWEI PERSONEN GEWINNEN 107 6.1 DAS SPIEL REVERSI ................................................................................................... 108 6.2 DAS BEISPIELPROGRAMM REVERSI KL ...................................................................... 109 6.3 DER MINIMAX-ALGORITHMUS .................................................................................. 110 6.3.1 ANWENDUNGSGEBIETE UND GRENZEN DES MINIMAX-ALGORITHMUS ............ 112 9 6.4 TIEFENSUCHE UND REKURSION .................................................................................. 113 6.4.1 BREITENSUCHE UND TIEFENSUCHE ................................................................ 114 6.4.2 DIE PARADOXIE DER REKURSION ..................................................................... 115 6.4.3 VERZWEIGTE REKURSION ............................................................................... 119 6.5 DIE KLASSE SPIELZUSTAND ........................................................................................ 121 6.5.1 DIE BEWERTUNGSFUNKTION ........................................................................... 121 6.5.2 DIE SCHNITTSTELLE IM UEBERBLICK .................................................................. 123 6.6 DIE KLASSE KL ............................................................................................................ 123 6.7 BESCHLEUNIGUNG MIT ............................................................................................... 128 6.8 IDEEN ZUM WEITERMACHEN .................................................................................... 129 6.9 ZUSAMMENFASSUNG UND AUSBLICK ........................................................................ 130 7 Q-LEARNING 131 7.1 DAS EICHHOERNCHEN UND DAS NUSSVERSTECK ........................................................... 132 7.2 UMWELT, AGENT, AKTION UND BELOHNUNG ............................................................. 137 7.2.1 DAS VERHAELTNIS VON AGENT UND UMWELT ................................................... 138 7.3 DIE Q-TABELLE .......................................................................................................... 139 7.3.1 Q STEHT FUER QUALITAET ................................................................................. 140 7.4 DAS BEISPIELPROGRAMM Q-LERNER .......................................................................... 140 7.5 DIE Q-TABELLE BEFUELLEN ........................................................................................... 145 7.5.1 WARUM FUNKTIONIERT DAS? ......................................................................... 147 7.6 DER CODE UNTER DER LUPE ....................................................................................... 148 7.6.1 DIE UMWELT ............................................................................................... 148 7.6.2 DER Q-LERNER .............................................................................................. 149 7.7 GAMMA BESTIMMT DIE WEITSICHT ......................................................................... 150 7.8 EPSILON: ERFORSCHUNG ODER ANWENDUNG .............................................................. 153 7.9 EIN ZWEITER BLICK AUF DEN CODE ............................................................................ 155 7.10 ALPHA ....................................................................................................................... 157 7.11 WAS WIR WEGGELASSEN HABEN ............................................................................... 158 7.11.1 KOMPLEXERE UMWELTEN ........................................................................... 159 7.11.2 KOSTEN FUER AKTIONEN ................................................................................. 159 10 7.113 BELOHNUNGEN MIT ZUSTANDS-AKTIONS-PAAREN VERKNUEPFEN ...................... 159 7.11. 4 MEHRERE BELOHNUNGSZUSTAENDE ........................................... 159 7.12 IDEEN ZUM WEITERMACHEN ................................................................................... 160 7.12.1 OPENAI GYM ........................................................................................... 161 7.12.2 DAS BUCH VON SUTTON UND BARTO ............................................................. 162 7.13 ZUSAMMENFASSUNG UND AUSBLICK ....................................................................... 162 7.13.1 MENSCHLICHES LERNEN VS. Q-LEARNING ...................................................... 162 7.13.2 DIE GRENZEN DES VERFAHRENS ................................................................... 163 8 K-NAECHSTE-NACHBARN 167 8.1 HAESCHEN, IGEL, VOGELSPINNE ODER HAI? ................................................................ 168 8.2 DAS BEISPIELPROGRAMM TIERE ERKENNEN ............................................................. 169 8.3 ENTFERNUNGEN BESTIMMEN MIT PYTHAGORAS ........................................................ 172 8.4 DER CODE IM DETAIL ............................................................................................... 174 8.5 IDEEN ZUM WEITERMACHEN ................................................................................... 178 8.6 ZUSAMMENFASSUNG UND AUSBLICK ....................................................................... 179 9 K-MEANS-CLUSTERING 181 9.1 CLUSTERBILDUNG IN AKTION ..................................................................................... 183 9.1.1 MITTELWERT, ZENTRUM, SCHWERPUNKT ....................................................... 183 9.1.2 DIE SCHRITTFOLGE DES K-MEANS-CLUSTERING-ALGORITHMUS ......................... 185 9.2 DAS BEISPIELPROGRAMM WETTERDATEN GRUPPIEREN ............................................. 186 9.3 DER CODE ................................................................................................................ 188 9.3.1 ZENTREN ZUFAELLIG SETZEN .......................................................................... 189 9.3.2 DATENPUNKTE ZUORDNEN ......................................................................... 189 9.3.3 ZENTREN NEU BERECHNEN ......................................................................... 190 9.4 GRENZEN DES VERFAHRENS ...................................................................................... 191 9.4.1 UNSINNIGE GRUPPIERUNGEN ..................................................................... 191 9.4.2 ZU VIELE DIMENSIONEN ............................................................................ 192 9.4.3 LINEAR NICHT TRENNBARE DATENPUNKTMENGEN ......................................... 194 11 9.5 IDEEN ZUM WEITERMACHEN .................................................................................... 195 9.6 ZUSAMMENFASSUNG UND AUSBLICK ........................................................................ 195 10 NEURONALE NETZE I: DAS HAESCHENPROBLEM 197 10.1 BILDERKENNUNG: EIN KLASSISCHES PROBLEM ............................................................ 198 10.2 WAS IST EIN MODELL? ................................................................................................ 199 10.3 DER AUFBAU EINES NEURONALEN NETZES ................................................................. 201 10.4 DAS HAESCHENNEURON UND SEINE KOLLEGEN ............................................................ 204 10.4.1 DIE BIOLOGISCHE NERVENZELLE ALS VORBILD .................................................. 205 10.4.2 DAS KUENSTLICHE NEURON ............................................................................ 207 10.4.3 B STEHT FUER BIAS ........................................................................................ 208 10.4.4 DIE AKTIVIERUNGSFUNKTION ........................................................................ 208 10.5 DAS BEISPIELPROGRAMM TIERE ERKENNEN II ........................................................... 209 10.6 DER CODE ................................................................................................................. 211 10.7 IDEEN ZUM WEITERMACHEN .................................................................................... 211 10.8 ZUSAMMENFASSUNG UND AUSBLICK ........................................................................ 212 11 NEURONALE NETZE II: AUF DEM WEG INS TAL 213 11.1 DAS UEBERWACHTE LERNEN ........................................................................................ 214 11.2 DIE SCHRITTWEISE JUSTIERUNG DES MODELLS ............................................................ 216 11.2.1 DIE GRUNDLEGENDE IDEE ............................................................................ 217 11.2.2 STEIGUNG ................................................................................................... 218 11.2.3 TANGENTE .................................................................................................. 219 11.2.4 ABLEITUNG .................................................................................................. 219 11.2.5 DER GRADIENTENABSTIEG ............................................................................ 220 11.2.6 DIE LERNRATE ............................................................................................. 222 11.3 DAS BEISPIELPROGRAMM GRADIENTENABSTIEG ....................................................... 223 11.4 DER CODE ................................................................................................................. 225 12 11.5 TIPPS ZUM WEITERMACHEN ................................................................................... 226 11.6 ZUSAMMENFASSUNG UND AUSBLICK ....................................................................... 226 12 NEURONALE NETZE III: FEHLER ZURUECKVERFOLGEN MIT DEM NEURONENTRAINER 229 12.1 WAS IST BACKPROPAGATION? ................................................................................... 230 12.2 DAS BEISPIELPROGRAMM NEURONENTRAINER .......................................................... 231 12.2.1 AUFGABEN UND NETZARCHITEKTUREN .......................................................... 232 12.2.2 EIN WIEDERSEHEN MIT DEM HAESCHENPROBLEM ......................................... 235 12.2.3 LINEARE TRENNBARKEIT ............................................................................... 236 12.3 VALIDIERUNGSDATEN, UEBERANPASSUNG, GENERATOREN .......................................... 237 12.3.1 VALIDIERUNGSDATEN UND UEBERANPASSUNG ................................................ 238 12.3.2 GENERATOREN ........................................................................................... 239 12.4 WEITERE BEISPIELAUFGABEN ................................................................................... 240 12.4.1 KREIS UND HINTERGRUND ........................................................................... 240 12.4.2 QUADRAT UND HINTERGRUND ..................................................................... 241 12.4.3 FARBTUNNEL SIEBEN FARBEN ...................................................................... 242 12.5 DIE ANZAHLEN DER VERDECKTEN SCHICHTEN UND DER NEURONEN ........................... 244 12.5.1 VIEL HILFT VIEL? .......................................................................................... 244 12.6 WAS WIR WEGGELASSEN HABEN ............................................................................. 245 12.6.1 DYNAMISIERUNG DER LERNRATE ................................................................... 245 12.6.2 BATCH UND EPOCHE ................................................................................... 245 12.6.3 VERLUSTFUNKTIONEN UND SOFTMAX ............................................................ 245 12.7 IDEEN ZUM WEITERMACHEN ................................................................................... 246 12.8 ZUSAMMENFASSUNG UND AUSBLICK ....................................................................... 248 13 NEURONALE NETZE IV: FALTUNGSNETZE, AUTOENCODER, GANS UND DQL 249 13.1 FALTUNGSNETZE ....................................................................................................... 249 13.1.1 DAS BEISPIELPROGRAMM FILTERLABOR I ........................................................ 250 13 13.1.2 DER FILTERKERNEL IN AKTION ........................................................................ 251 13.1.3 PADDING UND STRIDING ............................................................................... 253 13.1.4 DAS BEISPIELPROGRAMM FILTERLABOR II ....................................................... 254 13.1.5 EINE FILTERKOMBINATION, DIE DEN BUCHSTABEN K ERKENNT ........................ 255 13.1.6 DIE STRUKTUR EINES FALTUNGSNETZES .......................................................... 256 13.1.7 FALTUNGSNETZE TRAINIEREN ........................................................................ 257 13.2 MODELLE, DIE BILDER ERZEUGEN ................................................................................ 258 13.3 AUTOENCODER ........................................................................................................... 260 13.3.1 DIMENSIONSREDUKTION ............................................................................. 260 13.3.2 DATEN AUSDENKEN .................................................................................... 261 13.4 GENERATIVE ADVERSARIAL NETWORKS ....................................................................... 261 13.5 DEEP Q-LEARNING .................................................................................................... 264 13.5.1 WIE KOMMT DIE UMWELT INS MODELL? ...................................................... 265 13.6 ZUSAMMENFASSUNG UND AUSBLICK ........................................................................ 265 13.7 TIPPS ZUM WEITERMACHEN ..................................................................................... 268 ANHANG 269 A EINE KURZE EINFUEHRUNG IN JAVASCRIPT UND ........................................................... 271 A.L JAVASCRIPT .................................................................................................. 271 A.2 WAS IST P5.JS ? ............................................................................................ 272 A.3 DER P5.JS-ONLINE-EDITOR ............................................................................. 272 A.4 TEXT AUSGEBEN .......................................................................................... 273 A.5 BEZEICHNER UND BERECHNUNGEN ....................................... 274 A.6 DIE STRUKTUR EINES P5.JS PROGRAMMS ........................................................ 276 A.7 P5.JS-GRAFIK-GRUNDLAGEN .......................................................................... 278 A.8 ARRAYS ......................................................................................................... 282 A.9 BEDINGUNGEN ............................................................................................. 284 A.10 SCHLEIFEN .................................................................................................... 288 A.11 ZUFALL IN P5JS ............................................................................................. 291 A.12 FUNKTIONEN ................................................................................................ 294 A.13 FUNKTIONEN HOEHERER ORDNUNG .................................................................. 297 A.14 DATEIEN LADEN UND SPEICHERN IN P5.JS ...................................................... 301 A.15 GUELTIGKEITSBEREICHE VON BEZEICHNERN ...................................................... 302 A.16 OBJEKTE UND KLASSEN ................................................................................. 303 14 A.17 BEDIENELEMENTE IN P5.JS .......................................................................... 306 A.18 DETAILS ZUM THEMA STRINGS ..................................................................... 308 A.19 SAUBER PROGRAMMIEREN ........................................................................... 312 B GLOSSAR .................................................................................................................... 315 C QUELLEN UND LITERATURHINWEISE ........................................................................... 323 C.I JAVASCRIPT ................................................................................................ 323 C.2 P5.JS .......................................................................................................... 323 C.3 ALGORITHMEN ............................................................................................ 323 C.4 KUENSTLICHE INTELLIGENZ & CO ...................................................................... 323 C.5 ONLINEQUELLEN .......................................................................................... 324 D ABBILDUNGSVERZEICHNIS ......................................................................................... 325 INDEX .................................................................................................................................... 329 15
adam_txt	AUF EINEN BLICK 1 EINLEITUNG . 17 2 TEXTE BAUEN MIT MARKOW . 29 3 SCHREIBFEHLER AUTOMATISCH KORRIGIEREN . 51 4 WOERTER GRUPPIEREN . 67 5 SPIELE FUER EINE PERSON LOESEN . 91 6 SPIELE FUER ZWEI PERSONEN GEWINNEN . 107 7 Q-LEARNING . 131 8 K-NAECHSTE-NACHBARN . 167 9 K-MEANS-CLUSTERING . 181 10 NEURONALE NETZE I: DAS HAESCHENPROBLEM . 197 11 NEURONALE NETZE II: AUF DEM WEG INS TAL . 213 12 NEURONALE NETZE III: FEHLER ZURUECKVERFOLGEN MIT DEM NEURONENTRAINER . 229 13 NEURONALE NETZE IV: FALTUNGSNETZE, AUTOENCODER, GANS UND DQL . 249 INHALT MATERIALIEN ZUM BUCH . 16 1 EINLEITUNG 17 1.1 WORUM ES UNS IN DIESEM BUCH GEHT . 18 1.2 FUER WEN WIR DIESES BUCH GESCHRIEBEN HABEN . 19 1.3 AUFBAU DER EINZELNEN KAPITEL . 20 1.4 EIN WORT AN DIE PROGRAMMIERUNKUNDIGEN . 20 1.5 BEISPIELPROGRAMME UND DIE WEBSEITE ZUM BUCH . 21 1.6 WARUM WIR JAVASCRIPT UND P5.JS VERWENDET HABEN . 23 1.7 BEGRIFFLICHE ABGRENZUNG UND FACHBEGRIFFE . 24 1.8 INHALTE, THEMEN, KAPITEL . 25 1.9 DANK . 28 2 TEXTE BAUEN MIT MARKOW 29 2.1 DAS BEISPIELPROGRAMM NONSENSE-TEXTER . 33 2.2 DER CODE DES NONSENSE-TEXTERS UNTER DER LUPE . 35 2.2.1 DIE KOMPONENTEN DES MARKOW-OBJEKTS . 35 2.2.2 UEBERGAENGE LERNEN . 36 2.2.3 NONSENSE-TEXTE PRODUZIEREN . 38 2.3 DAS BEISPIELPROGRAMM WOERTER VORSCHLAGEN . 41 2.3.1 DIE KOMPONENTEN DES MARKOW-OBJEKTS . 41 2.3.2 UEBERGAENGE UND HAEUFIGKEITEN LERNEN . 42 2.4 WOERTER VORSCHLAGEN . 44 2.5 GEWICHTETER ZUFALL . 46 2.6 IDEEN ZUM WEITERMACHEN . 48 2.7 ZUSAMMENFASSUNG UND AUSBLICK . 49 7 3 SCHREIBFEHLER AUTOMATISCH KORRIGIEREN 51 3.1 DAS BEISPIELPROGRAMM WORTVERGLEICH . 52 3.2 DIE MATRIX BEFUELLEN . 55 3.2.1 DIE FUELLUNG DER OBEREN ZEILE UND DER LINKEN SPALTE . 55 3.2.2 DIE FUELLUNG DER VERBLEIBENDEN ZELLEN . 56 3.2.3 DIE DREI SCHRITTE UNTER DER LUPE . 60 3.3 DIE UMSETZUNG IM BEISPIELPROGRAMM . 60 3.3.1 DAS LEVENSHTEIN-OBJEKT . 60 3.3.2 DIE FUNKTION MATRIX() . 61 3.4 DAS BEISPIELPROGRAMM KORREKTURVORSCHLAEGE . 63 3.5 IDEEN ZUM WEITERMACHEN . 65 3.6 ZUSAMMENFASSUNG UND AUSBLICK . 66 4 WOERTER GRUPPIEREN 67 4.1 ITEMS UND TRANSAKTIONEN . 69 4.2 KENNGROESSEN DER ASSOZIATIONSANALYSE . 70 4.2.1 SUPPORT . 70 4.2.2 CONFIDENCE . 71 4.2.3 LIFT . 72 4.3 EIN BEISPIEL VON HAND GERECHNET . 74 4.4 DAS BEISPIELPROGRAMM BEGRIFFSNETZ . 77 4.4.1 DIE DATENQUELLE . 79 4.4.2 BESCHRAENKUNG DER ANWENDUNG AUF ITEM-PAARE . 79 4.5 EINE TOUR DURCH DEN CODE . 80 4.5.1 DIE KLASSE BEGRIFFSNETZ . 80 4.5.2 ENKODIERUNG DER TRANSAKTIONEN . 81 4.5.3 BEFUELLUNGDER ARRAYS FUER SUPPORT . 83 4.5.4 BEFUELLUNGDER ARRAYS FUER CONFIDENCE UND LIFT . 85 4.5.5 DIE FUNKTION ASSOZIATIONEN() . 85 4.6 IDEEN ZUM WEITERMACHEN . 86 8 4.7 ZUSAMMENFASSUNG UND AUSBLICK . 88 4.7.1 DER APRIORI-ALGORITHMUS . 88 4.7.2 TRANSAKTIONSTABELLEN . 88 4.73 EINE UEBERSICHT ALLER FACHBEGRIFFE AUS DIESEM KAPITEL . 89 5 SPIELE FUER EINE PERSON LOESEN 91 5.1 DAS SPIEL FRUCHTKRAESCH . 91 5.2 WIE FINDET DIE KL DEN BESTEN ZUG? . 93 5.3 EINE VIELSEITIG EINSETZBARE SPIEL-KL . 96 5.4 DIE KLASSE SPIELZUSTAND . 97 5.4.1 ZUEGE LIEFERN MODIFIZIERTE SPIELZUSTAENDE . 97 5.4.2 DIE MOEGLICHEN ZUEGE . 98 5.4.3 DIE BEWERTUNG EINES SPIELZUSTANDS . 98 5.4.4 EIN GEDAECHTNIS FUER ZUEGE . 99 5.4.5 DIE SCHNITTSTELLE IM UEBERBLICK . 99 5.5 DIE KLASSE KL . 100 5.5.1 ALLE FOLGEZUSTAENDE EINES SPIELZUSTANDS BERECHNEN . 100 5.5.2 ALLE SPIELVERLAEUFE PER WARTESCHLANGENVERFAHREN BERECHNEN . 101 5.5.3 DIE SPIELZUSTAENDE NACH BEWERTUNG SORTIEREN . 104 5.5.4 DIE FUNKTION BESTERZUGO . 104 5.5.5 DIE FUNKTIONEN DES KL-OBJEKTS IM UEBERBLICK . 105 5.6 IDEEN ZUM WEITERMACHEN . 105 5.7 ZUSAMMENFASSUNG UND AUSBLICK . 106 6 SPIELE FUER ZWEI PERSONEN GEWINNEN 107 6.1 DAS SPIEL REVERSI . 108 6.2 DAS BEISPIELPROGRAMM REVERSI KL . 109 6.3 DER MINIMAX-ALGORITHMUS . 110 6.3.1 ANWENDUNGSGEBIETE UND GRENZEN DES MINIMAX-ALGORITHMUS . 112 9 6.4 TIEFENSUCHE UND REKURSION . 113 6.4.1 BREITENSUCHE UND TIEFENSUCHE . 114 6.4.2 DIE PARADOXIE DER REKURSION . 115 6.4.3 VERZWEIGTE REKURSION . 119 6.5 DIE KLASSE SPIELZUSTAND . 121 6.5.1 DIE BEWERTUNGSFUNKTION . 121 6.5.2 DIE SCHNITTSTELLE IM UEBERBLICK . 123 6.6 DIE KLASSE KL . 123 6.7 BESCHLEUNIGUNG MIT . 128 6.8 IDEEN ZUM WEITERMACHEN . 129 6.9 ZUSAMMENFASSUNG UND AUSBLICK . 130 7 Q-LEARNING 131 7.1 DAS EICHHOERNCHEN UND DAS NUSSVERSTECK . 132 7.2 UMWELT, AGENT, AKTION UND BELOHNUNG . 137 7.2.1 DAS VERHAELTNIS VON AGENT UND UMWELT . 138 7.3 DIE Q-TABELLE . 139 7.3.1 Q STEHT FUER QUALITAET . 140 7.4 DAS BEISPIELPROGRAMM Q-LERNER . 140 7.5 DIE Q-TABELLE BEFUELLEN . 145 7.5.1 WARUM FUNKTIONIERT DAS? . 147 7.6 DER CODE UNTER DER LUPE . 148 7.6.1 DIE UMWELT . 148 7.6.2 DER Q-LERNER . 149 7.7 GAMMA BESTIMMT DIE WEITSICHT . 150 7.8 EPSILON: ERFORSCHUNG ODER ANWENDUNG . 153 7.9 EIN ZWEITER BLICK AUF DEN CODE . 155 7.10 ALPHA . 157 7.11 WAS WIR WEGGELASSEN HABEN . 158 7.11.1 KOMPLEXERE UMWELTEN . 159 7.11.2 KOSTEN FUER AKTIONEN . 159 10 7.113 BELOHNUNGEN MIT ZUSTANDS-AKTIONS-PAAREN VERKNUEPFEN . 159 7.11. 4 MEHRERE BELOHNUNGSZUSTAENDE . 159 7.12 IDEEN ZUM WEITERMACHEN . 160 7.12.1 OPENAI GYM . 161 7.12.2 DAS BUCH VON SUTTON UND BARTO . 162 7.13 ZUSAMMENFASSUNG UND AUSBLICK . 162 7.13.1 MENSCHLICHES LERNEN VS. Q-LEARNING . 162 7.13.2 DIE GRENZEN DES VERFAHRENS . 163 8 K-NAECHSTE-NACHBARN 167 8.1 HAESCHEN, IGEL, VOGELSPINNE ODER HAI? . 168 8.2 DAS BEISPIELPROGRAMM TIERE ERKENNEN . 169 8.3 ENTFERNUNGEN BESTIMMEN MIT PYTHAGORAS . 172 8.4 DER CODE IM DETAIL . 174 8.5 IDEEN ZUM WEITERMACHEN . 178 8.6 ZUSAMMENFASSUNG UND AUSBLICK . 179 9 K-MEANS-CLUSTERING 181 9.1 CLUSTERBILDUNG IN AKTION . 183 9.1.1 MITTELWERT, ZENTRUM, SCHWERPUNKT . 183 9.1.2 DIE SCHRITTFOLGE DES K-MEANS-CLUSTERING-ALGORITHMUS . 185 9.2 DAS BEISPIELPROGRAMM WETTERDATEN GRUPPIEREN . 186 9.3 DER CODE . 188 9.3.1 ZENTREN ZUFAELLIG SETZEN . 189 9.3.2 DATENPUNKTE ZUORDNEN . 189 9.3.3 ZENTREN NEU BERECHNEN . 190 9.4 GRENZEN DES VERFAHRENS . 191 9.4.1 UNSINNIGE GRUPPIERUNGEN . 191 9.4.2 ZU VIELE DIMENSIONEN . 192 9.4.3 LINEAR NICHT TRENNBARE DATENPUNKTMENGEN . 194 11 9.5 IDEEN ZUM WEITERMACHEN . 195 9.6 ZUSAMMENFASSUNG UND AUSBLICK . 195 10 NEURONALE NETZE I: DAS HAESCHENPROBLEM 197 10.1 BILDERKENNUNG: EIN KLASSISCHES PROBLEM . 198 10.2 WAS IST EIN MODELL? . 199 10.3 DER AUFBAU EINES NEURONALEN NETZES . 201 10.4 DAS HAESCHENNEURON UND SEINE KOLLEGEN . 204 10.4.1 DIE BIOLOGISCHE NERVENZELLE ALS VORBILD . 205 10.4.2 DAS KUENSTLICHE NEURON . 207 10.4.3 B STEHT FUER BIAS . 208 10.4.4 DIE AKTIVIERUNGSFUNKTION . 208 10.5 DAS BEISPIELPROGRAMM TIERE ERKENNEN II . 209 10.6 DER CODE . 211 10.7 IDEEN ZUM WEITERMACHEN . 211 10.8 ZUSAMMENFASSUNG UND AUSBLICK . 212 11 NEURONALE NETZE II: AUF DEM WEG INS TAL 213 11.1 DAS UEBERWACHTE LERNEN . 214 11.2 DIE SCHRITTWEISE JUSTIERUNG DES MODELLS . 216 11.2.1 DIE GRUNDLEGENDE IDEE . 217 11.2.2 STEIGUNG . 218 11.2.3 TANGENTE . 219 11.2.4 ABLEITUNG . 219 11.2.5 DER GRADIENTENABSTIEG . 220 11.2.6 DIE LERNRATE . 222 11.3 DAS BEISPIELPROGRAMM GRADIENTENABSTIEG . 223 11.4 DER CODE . 225 12 11.5 TIPPS ZUM WEITERMACHEN . 226 11.6 ZUSAMMENFASSUNG UND AUSBLICK . 226 12 NEURONALE NETZE III: FEHLER ZURUECKVERFOLGEN MIT DEM NEURONENTRAINER 229 12.1 WAS IST BACKPROPAGATION? . 230 12.2 DAS BEISPIELPROGRAMM NEURONENTRAINER . 231 12.2.1 AUFGABEN UND NETZARCHITEKTUREN . 232 12.2.2 EIN WIEDERSEHEN MIT DEM HAESCHENPROBLEM . 235 12.2.3 LINEARE TRENNBARKEIT . 236 12.3 VALIDIERUNGSDATEN, UEBERANPASSUNG, GENERATOREN . 237 12.3.1 VALIDIERUNGSDATEN UND UEBERANPASSUNG . 238 12.3.2 GENERATOREN . 239 12.4 WEITERE BEISPIELAUFGABEN . 240 12.4.1 KREIS UND HINTERGRUND . 240 12.4.2 QUADRAT UND HINTERGRUND . 241 12.4.3 FARBTUNNEL SIEBEN FARBEN . 242 12.5 DIE ANZAHLEN DER VERDECKTEN SCHICHTEN UND DER NEURONEN . 244 12.5.1 VIEL HILFT VIEL? . 244 12.6 WAS WIR WEGGELASSEN HABEN . 245 12.6.1 DYNAMISIERUNG DER LERNRATE . 245 12.6.2 BATCH UND EPOCHE . 245 12.6.3 VERLUSTFUNKTIONEN UND SOFTMAX . 245 12.7 IDEEN ZUM WEITERMACHEN . 246 12.8 ZUSAMMENFASSUNG UND AUSBLICK . 248 13 NEURONALE NETZE IV: FALTUNGSNETZE, AUTOENCODER, GANS UND DQL 249 13.1 FALTUNGSNETZE . 249 13.1.1 DAS BEISPIELPROGRAMM FILTERLABOR I . 250 13 13.1.2 DER FILTERKERNEL IN AKTION . 251 13.1.3 PADDING UND STRIDING . 253 13.1.4 DAS BEISPIELPROGRAMM FILTERLABOR II . 254 13.1.5 EINE FILTERKOMBINATION, DIE DEN BUCHSTABEN K ERKENNT . 255 13.1.6 DIE STRUKTUR EINES FALTUNGSNETZES . 256 13.1.7 FALTUNGSNETZE TRAINIEREN . 257 13.2 MODELLE, DIE BILDER ERZEUGEN . 258 13.3 AUTOENCODER . 260 13.3.1 DIMENSIONSREDUKTION . 260 13.3.2 DATEN AUSDENKEN . 261 13.4 GENERATIVE ADVERSARIAL NETWORKS . 261 13.5 DEEP Q-LEARNING . 264 13.5.1 WIE KOMMT DIE UMWELT INS MODELL? . 265 13.6 ZUSAMMENFASSUNG UND AUSBLICK . 265 13.7 TIPPS ZUM WEITERMACHEN . 268 ANHANG 269 A EINE KURZE EINFUEHRUNG IN JAVASCRIPT UND . 271 A.L JAVASCRIPT . 271 A.2 WAS IST P5.JS ? . 272 A.3 DER P5.JS-ONLINE-EDITOR . 272 A.4 TEXT AUSGEBEN . 273 A.5 BEZEICHNER UND BERECHNUNGEN . 274 A.6 DIE STRUKTUR EINES P5.JS PROGRAMMS . 276 A.7 P5.JS-GRAFIK-GRUNDLAGEN . 278 A.8 ARRAYS . 282 A.9 BEDINGUNGEN . 284 A.10 SCHLEIFEN . 288 A.11 ZUFALL IN P5JS . 291 A.12 FUNKTIONEN . 294 A.13 FUNKTIONEN HOEHERER ORDNUNG . 297 A.14 DATEIEN LADEN UND SPEICHERN IN P5.JS . 301 A.15 GUELTIGKEITSBEREICHE VON BEZEICHNERN . 302 A.16 OBJEKTE UND KLASSEN . 303 14 A.17 BEDIENELEMENTE IN P5.JS . 306 A.18 DETAILS ZUM THEMA STRINGS . 308 A.19 SAUBER PROGRAMMIEREN . 312 B GLOSSAR . 315 C QUELLEN UND LITERATURHINWEISE . 323 C.I JAVASCRIPT . 323 C.2 P5.JS . 323 C.3 ALGORITHMEN . 323 C.4 KUENSTLICHE INTELLIGENZ & CO . 323 C.5 ONLINEQUELLEN . 324 D ABBILDUNGSVERZEICHNIS . 325 INDEX . 329 15
any_adam_object	1
any_adam_object_boolean	1
author	Noack, Pit
author2	Sanner, Sophia
author2_role	ill
author2_variant	s s ss
author_GND	(DE-588)1274480108 (DE-588)1274480213
author_facet	Noack, Pit Sanner, Sophia
author_role	aut
author_sort	Noack, Pit
author_variant	p n pn
building	Verbundindex
bvnumber	BV048594413
classification_rvk	ST 300
ctrlnum	(OCoLC)1352257855 (DE-599)DNB1260157261
discipline	Informatik
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>02849nam a22006858c 4500</leader><controlfield tag="001">BV048594413</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20230309 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">221205s2023 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">22,N25</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1260157261</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783836284677</subfield><subfield code="c">Broschur : EUR 29.90 (DE), EUR 30.80 (AT), CHF 38.90 (freier Preis)</subfield><subfield code="9">978-3-8362-8467-7</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3836284677</subfield><subfield code="9">3-8362-8467-7</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783836284677</subfield></datafield><datafield tag="028" ind1="5" ind2="2"><subfield code="a">Bestellnummer: 459/08467</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1352257855</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1260157261</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-20</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-M347</subfield><subfield code="a">DE-1029</subfield><subfield code="a">DE-11</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 300</subfield><subfield code="0">(DE-625)143650:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="8">1\p</subfield><subfield code="a">004</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Noack, Pit</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1274480108</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Künstliche Intelligenz verstehen</subfield><subfield code="b">eine spielerische Einführung in die KI</subfield><subfield code="c">Pit Noack, Sophia Sanner</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Bonn</subfield><subfield code="b">Rheinwerk</subfield><subfield code="c">2023</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">334 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">23 cm x 17.2 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="490" ind1="0" ind2=" "><subfield code="a">Rheinwerk Computing</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Auf dem Umschlag: "Mit JavaScript-Beispielen zum online Ausprobieren und Modifizieren ; ohne Vorkenntnisse einsteigen, mit vielen Illustrationen ; Spiele-KI, Graphen, Neuronale Netze u.v.m."</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="653" ind1=" " ind2=" "><subfield code="a">Künstliche Intelligenz</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">KI</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Programmierung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Einführung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Grundkurs</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Grundlagen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Praxis-Buch Kurs Anleitung Workshop Tutorial Weiterbildung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Programmieren</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">spielerisch lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Neuronale Netze</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Einstieg</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Algorithmen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Experimente</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">JavaScript</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Informatik</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Levenstein</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4151278-9</subfield><subfield code="a">Einführung</subfield><subfield code="2">gnd-content</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=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Sanner, Sophia</subfield><subfield code="0">(DE-588)1274480213</subfield><subfield code="4">ill</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Rheinwerk Verlag</subfield><subfield code="0">(DE-588)1081738405</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="q">text/html</subfield><subfield code="u">http://deposit.dnb.de/cgi-bin/dokserv?id=00553a20ad8d4a71bbcd6c47e26066f5&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</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=033970051&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-033970051</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">vlb</subfield><subfield code="d">20220618</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#vlb</subfield></datafield></record></collection>
genre	(DE-588)4151278-9 Einführung gnd-content
genre_facet	Einführung
id	DE-604.BV048594413
illustrated	Illustrated
index_date	2024-07-03T21:08:24Z
indexdate	2024-07-10T09:42:28Z
institution	BVB
institution_GND	(DE-588)1081738405
isbn	9783836284677 3836284677
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-033970051
oclc_num	1352257855
open_access_boolean
owner	DE-20 DE-92 DE-860 DE-898 DE-BY-UBR DE-B768 DE-1043 DE-523 DE-Aug4 DE-1051 DE-29T DE-1049 DE-1102 DE-M347 DE-1029 DE-11
owner_facet	DE-20 DE-92 DE-860 DE-898 DE-BY-UBR DE-B768 DE-1043 DE-523 DE-Aug4 DE-1051 DE-29T DE-1049 DE-1102 DE-M347 DE-1029 DE-11
physical	334 Seiten Illustrationen, Diagramme 23 cm x 17.2 cm
publishDate	2023
publishDateSearch	2023
publishDateSort	2023
publisher	Rheinwerk
record_format	marc
series2	Rheinwerk Computing
spelling	Noack, Pit Verfasser (DE-588)1274480108 aut Künstliche Intelligenz verstehen eine spielerische Einführung in die KI Pit Noack, Sophia Sanner 1. Auflage Bonn Rheinwerk 2023 334 Seiten Illustrationen, Diagramme 23 cm x 17.2 cm txt rdacontent n rdamedia nc rdacarrier Rheinwerk Computing Auf dem Umschlag: "Mit JavaScript-Beispielen zum online Ausprobieren und Modifizieren ; ohne Vorkenntnisse einsteigen, mit vielen Illustrationen ; Spiele-KI, Graphen, Neuronale Netze u.v.m." Künstliche Intelligenz (DE-588)4033447-8 gnd rswk-swf Künstliche Intelligenz KI Programmierung Einführung Grundkurs Grundlagen Praxis-Buch Kurs Anleitung Workshop Tutorial Weiterbildung Programmieren spielerisch lernen Neuronale Netze Einstieg Algorithmen Experimente JavaScript Informatik Levenstein (DE-588)4151278-9 Einführung gnd-content Künstliche Intelligenz (DE-588)4033447-8 s DE-604 Sanner, Sophia (DE-588)1274480213 ill Rheinwerk Verlag (DE-588)1081738405 pbl X:MVB text/html http://deposit.dnb.de/cgi-bin/dokserv?id=00553a20ad8d4a71bbcd6c47e26066f5&prov=M&dok_var=1&dok_ext=htm Inhaltstext DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033970051&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis 1\p vlb 20220618 DE-101 https://d-nb.info/provenance/plan#vlb
spellingShingle	Noack, Pit Künstliche Intelligenz verstehen eine spielerische Einführung in die KI Künstliche Intelligenz (DE-588)4033447-8 gnd
subject_GND	(DE-588)4033447-8 (DE-588)4151278-9
title	Künstliche Intelligenz verstehen eine spielerische Einführung in die KI
title_auth	Künstliche Intelligenz verstehen eine spielerische Einführung in die KI
title_exact_search	Künstliche Intelligenz verstehen eine spielerische Einführung in die KI
title_exact_search_txtP	Künstliche Intelligenz verstehen eine spielerische Einführung in die KI
title_full	Künstliche Intelligenz verstehen eine spielerische Einführung in die KI Pit Noack, Sophia Sanner
title_fullStr	Künstliche Intelligenz verstehen eine spielerische Einführung in die KI Pit Noack, Sophia Sanner
title_full_unstemmed	Künstliche Intelligenz verstehen eine spielerische Einführung in die KI Pit Noack, Sophia Sanner
title_short	Künstliche Intelligenz verstehen
title_sort	kunstliche intelligenz verstehen eine spielerische einfuhrung in die ki
title_sub	eine spielerische Einführung in die KI
topic	Künstliche Intelligenz (DE-588)4033447-8 gnd
topic_facet	Künstliche Intelligenz Einführung
url	http://deposit.dnb.de/cgi-bin/dokserv?id=00553a20ad8d4a71bbcd6c47e26066f5&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=033970051&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT noackpit kunstlicheintelligenzversteheneinespielerischeeinfuhrungindieki AT sannersophia kunstlicheintelligenzversteheneinespielerischeeinfuhrungindieki AT rheinwerkverlag kunstlicheintelligenzversteheneinespielerischeeinfuhrungindieki

Verfügbarkeit

Es ist kein Print-Exemplar vorhanden.

Fernleihe Bestellen Achtung: Nicht im THWS-Bestand! Beschreibung

MARC

Datensatz im Suchindex

Es ist kein Print-Exemplar vorhanden.

Ähnliche Einträge