Verfügbarkeit: Künstliche Intelligenz verstehen

Künstliche Intelligenz verstehen: eine spielerische Einführung

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Noack, Pit (VerfasserIn), Sanner, Sophia (VerfasserIn)
Format:	Buch
Sprache:	German
Veröffentlicht:	Bonn Rheinwerk 2023
Ausgabe:	2. aktualisierte Auflage
Schriftenreihe:	Rheinwerk Computing
Schlagworte:	Künstliche Intelligenz Transformer Programmierung Einführung Grundkurs Grundlagen Praxis-Buch Kurs Anleitung Workshop Tutorial Weiterbildung Programmieren spielerisch lernen Einstieg KI JavaScript Experimente Algorithmen Neuronale Netze Levenstein Informatik Einführung
Online-Zugang:	Inhaltstext Inhaltsverzeichnis
Beschreibung:	Auf dem Cover: "JavaScript-Beispiele online ausprobieren und modifizieren, hinter die Kulissen von ChatGPT und Co. schauen, Spiele-KI, Graphen, neuronale Netze u.v.m."
Beschreibung:	382 Seiten Illustrationen, Diagramme. - Illustrationen, Diagramme 23 cm x 17.2 cm
ISBN:	9783836298582 3836298589

Internformat

MARC


LEADER	00000nam a2200000 c 4500
001	BV049388313
003	DE-604
005	20240502
007	t
008	231030s2023 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 23,N30 \|2 dnb
016	7		\|a 1296728501 \|2 DE-101
020			\|a 9783836298582 \|c Pb.: EUR 29.90 (DE), EUR 30.80 (AT), CHF 38.90 (freier Preis) \|9 978-3-8362-9858-2
020			\|a 3836298589 \|9 3-8362-9858-9
024	3		\|a 9783836298582
028	5	2	\|a Bestellnummer: 459/09858
035			\|a (OCoLC)1410709971
035			\|a (DE-599)DNB1296728501
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-NW
049			\|a DE-11 \|a DE-824 \|a DE-1043 \|a DE-706 \|a DE-1051 \|a DE-29T \|a DE-523 \|a DE-859 \|a DE-573 \|a DE-92 \|a DE-29 \|a DE-1049
084			\|a AP 15925 \|0 (DE-625)6949: \|2 rvk
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 \|c Pit Noack, Sophia Sanner
250			\|a 2. aktualisierte Auflage
264		1	\|a Bonn \|b Rheinwerk \|c 2023
300			\|a 382 Seiten \|b Illustrationen, Diagramme. - 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 Cover: "JavaScript-Beispiele online ausprobieren und modifizieren, hinter die Kulissen von ChatGPT und Co. schauen, 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 Transformer
653			\|a Programmierung
653			\|a Einführung Grundkurs Grundlagen Praxis-Buch Kurs Anleitung Workshop Tutorial Weiterbildung
653			\|a Programmieren spielerisch lernen
653			\|a Einstieg KI
653			\|a JavaScript
653			\|a Experimente
653			\|a Algorithmen
653			\|a Neuronale Netze
653			\|a Levenstein
653			\|a Informatik
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 \|e Verfasser \|0 (DE-588)1274480213 \|4 aut
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=ab796d1091b3420b8e83341aaaac5d86&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=034715794&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
999			\|a oai:aleph.bib-bvb.de:BVB01-034715794
883	1		\|8 1\p \|a vlb \|d 20230720 \|q DE-101 \|u https://d-nb.info/provenance/plan#vlb

Datensatz im Suchindex

_version_	1804186095597912064
adam_text	INHALT MATERIALIEN ZUM BUCH ........................................................................................................ 16 VORWORT ZUR ZWEITEN AUFLAGE ............................................................................................. 17 1 EINLEITUNG 19 1.1 WORUM ES UNS IN DIESEM BUCH GEHT ................................................................... 20 1.2 FUER WEN WIR DIESES BUCH GESCHRIEBEN HABEN ..................................................... 21 1.3 AUFBAU DER EINZELNEN KAPITEL ............................................................................. 22 1.4 EIN WORT AN DIE PROGRAMMIERUNKUNDIGEN ......................................................... 22 1.5 BEISPIELPROGRAMME UND DIE WEBSEITE ZUM BUCH ............................................. 23 1.6 WARUM WIR JAVASCRIPT UND P5.JS VERWENDET HABEN .......................................... 25 1.7 BEGRIFFLICHE ABGRENZUNG UND FACHBEGRIFFE ........................................................ 26 1.8 INHALTE, THEMEN, KAPITEL ...................................................................................... 27 1.9 DANK ....................................................................................................................... 30 2 TEXTE BAUEN MIT MARKOW 31 2.1 DAS BEISPIELPROGRAMM NONSENSE-TEXTER .......................................................... 35 2.2 DER CODE DES NONSENSE-TEXTERS UNTER DER LUPE ............................................... 37 2.2.1 DIE KOMPONENTEN DES MARKOW-OBJEKTS ................................................ 38 2.2.2 UEBERGAENGE LERNEN .................................................................................... 38 2.2.3 NONSENSE-TEXTE PRODUZIEREN .................................................................. 40 2.3 DAS BEISPIELPROGRAMM WOERTER VORSCHLAGEN ..................................................... 43 2.3.1 DIE KOMPONENTEN DES MARKOW-OBJEKTS ................................................ 43 2.3.2 UEBERGAENGE UND HAEUFIGKEITEN LERNEN ..................................................... 44 2.4 WOERTER VORSCHLAGEN .............................................................................................. 47 2.5 GEWICHTETER ZUFALL ................................................................................................ 48 2.6 IDEEN ZUM WEITERMACHEN ................................................................................... 50 2.7 ZUSAMMENFASSUNG UND AUSBLICK ....................................................................... 51 3 SCHREIBFEHLER AUTOMATISCH KORRIGIEREN 53 3.1 DAS BEISPIELPROGRAMM WORTVERGLEICH ............................................................... 54 3.2 DIE MATRIX BEFUELLEN ............................................................................................... 57 3.2.1 DIE FUELLUNG DER OBEREN ZEILE UND DER LINKEN SPALTE ................................ 57 3.2.2 DIE FUELLUNG DER VERBLEIBENDEN ZELLEN ...................................................... 58 3.2.3 DIE DREI SCHRITTE UNTER DER LUPE ............................................................... 62 3.3 DIE UMSETZUNG IM BEISPIELPROGRAMM ............................................................... 62 3.3.1 DAS LEVENSHTEIN-OBJEKT .......................................................................... 62 3.3.2 DIE FUNKTION MATRIX() .............................................................................. 63 3.4 DAS BEISPIELPROGRAMM KORREKTURVORSCHLAEGE .................................................... 65 3.5 IDEEN ZUM WEITERMACHEN ................................................................................... 67 3.6 ZUSAMMENFASSUNG UND AUSBLICK ........................................................................ 68 4 WOERTER GRUPPIEREN 69 4.1 ITEMS UND TRANSAKTIONEN ..................................................................................... 71 4.2 KENNGROESSEN DER ASSOZIATIONSANALYSE ................................................................ 72 4.2.1 SUPPORT ..................................................................................................... 72 4.2.2 CONFIDENCE ................................................................................................ 73 4.2.3 LIFT ............................................................................................................. 74 4.3 EIN BEISPIEL VON HAND GERECHNET ........................................................................ 76 4.4 DAS BEISPIELPROGRAMM BEGRIFFSNETZ .................................................................. 79 4.4.1 DIE DATENQUELLE ....................................................................................... 81 4.4.2 BESCHRAENKUNG DER ANWENDUNG AUF ITEM-PAARE ...................................... 81 4.5 EINE TOUR DURCH DEN CODE .................................................................................... 82 4.5.1 DIE KLASSE BEGRIFFSNETZ ............................................................................. 82 4.5.2 ENKODIERUNG DER TRANSAKTIONEN .............................................................. 83 4.5.3 BEFUELLUNG DER ARRAYS FUER SUPPORT ............................................................. 85 4.5.4 BEFUELLUNGDER ARRAYS FUER CONFIDENCE UND LIFT ......................................... 87 4.5.5 DIE FUNKTION ASSOZIATIONEN() ................................................................... 87 4.6 IDEEN ZUM WEITERMACHEN ................................................................................... 88 4.7 ZUSAMMENFASSUNG UND AUSBLICK ....................................................................... 90 4.7.1 DER APRIORI-ALGORITHMUS ................................................................................. 90 4.7.2 TRANSAKTIONSTABELLEN ............................................................................. 90 4.7.3 EINE UEBERSICHT ALLER FACHBEGRIFFE AUS DIESEM KAPITEL ............................ 91 5 SPIELE FUER EINE PERSON LOESEN 93 5.1 DAS SPIEL FRUCHTKRAESCH ................................................ 93 5.2 WIE FINDET DIE KL DEN BESTEN ZUG? ..................................................................... 95 5.3 EINE VIELSEITIG EINSETZBARE SPIEL-KL .................................................................... 98 5.4 DIE KLASSE SPIELZUSTAND ...................................................................................... 99 5.4.1 ZUEGE LIEFERN MODIFIZIERTE SPIELZUSTAENDE ............................................... 100 5.4.2 DIE MOEGLICHEN ZUEGE ................................................................................. 100 5.4.3 DIE BEWERTUNG EINES SPIELZUSTANDS ........................................................ 100 5.4.4 EIN GEDAECHTNIS FUER ZUEGE .......................................................................... 101 5.4.5 DIE SCHNITTSTELLE IM UEBERBLICK ................................................................. 101 5.5 DIE KLASSE KL ......................................................................................................... 102 5.5.1 ALLE FOLGEZUSTAENDE EINES SPIELZUSTANDS BERECHNEN ............................... 102 5.5.2 ALLE SPIELVERLAEUFE PER WARTESCHLANGENVERFAHREN BERECHNEN ................ 103 5.5.3 DIE SPIELZUSTAENDE NACH BEWERTUNG SORTIEREN ........................................ 106 5.5.4 DIE FUNKTION BESTERZUGO ....................................................................... 106 5.5.5 DIE FUNKTIONEN DES KL-OBJEKTS IM UEBERBLICK .......................................... 107 5.6 IDEEN ZUM WEITERMACHEN ................................................................................... 107 5.7 ZUSAMMENFASSUNG UND AUSBLICK ....................................................................... 108 6 SPIELE FUER ZWEI PERSONEN GEWINNEN 109 6.1 DAS SPIEL REVERSI .................................................................................................. 110 6.2 DAS BEISPIELPROGRAMM REVERSI KL ...................................................................... 111 6.3 DER MINIMAX-ALGORITHMUS ............................................................................. 112 6.3.1 ANWENDUNGSGEBIETE UND GRENZEN DES MINIMAX-ALGORITHMUS ............. 114 6.4 TIEFENSUCHE UND REKURSION .................................................................................. 115 6.4.1 BREITENSUCHE UND TIEFENSUCHE ................................................................ 116 6.4.2 DIE PARADOXIE DER REKURSION .................................................................... 117 6.4.3 VERZWEIGTE REKURSION .............................................................................. 121 6.5 DIE KLASSE SPIELZUSTAND ........................................................................................ 123 6.5.1 DIE BEWERTUNGSFUNKTION .......................................................................... 123 6.5.2 DIE SCHNITTSTELLE IM UEBERBLICK .................................................................. 125 6.6 DIE KLASSE KL ........................................................................................................... 126 6.7 BESCHLEUNIGUNG MIT ............................................................................................... 130 6.8 IDEEN ZUM WEITERMACHEN .................................................................................... 131 6.9 ZUSAMMENFASSUNG UND AUSBLICK ........................................................................ 132 7 Q-LEARNING 133 7.1 DAS EICHHOERNCHEN UND DAS NUSSVERSTECK ........................................................... 134 7.2 UMWELT, AGENT, AKTION UND BELOHNUNG ............................................................. 139 7.2.1 DAS VERHAELTNIS VON AGENT UND UMWELT ................................................... 140 7.3 DIEQ-TABELLE ......................................................................................................... 141 7.3.1 Q STEHT FUER QUALITAET .................................................................................. 142 7.4 DAS BEISPIELPROGRAMM Q-LERNER .......................................................................... 142 7.5 DIE Q-TABELLE BEFUELLEN .......................................................................................... 147 7.5.1 WARUM FUNKTIONIERT DAS? ........................................................................ 149 7.6 DER CODE UNTER DER LUPE ....................................................................................... 150 7.6.1 DIE UMWELT ............................................................................................... 150 7.6.2 DER Q-LERNER ............................................................................................. 151 7.7 GAMMA BESTIMMT DIE WEITSICHT ......................................................................... 152 7.8 EPSILON: ERFORSCHUNG ODER ANWENDUNG .............................................................. 154 7.9 EIN ZWEITER BLICK AUF DEN CODE ............................................................................ 156 7.10 ALPHA ...................................................................................................................... 158 7.11 WAS WIR WEGGELASSEN HABEN ............................................................................... 159 7.11.1 KOMPLEXERE UMWELTEN ........................................................................... 160 7.11.2 KOSTEN FUER AKTIONEN ................................................................................. 160 7.113 BELOHNUNGEN MIT ZUSTANDS-AKTIONS-PAAREN VERKNUEPFEN ...................... 160 7.11. 4 MEHRERE BELOHNUNGSZUSTAENDE ........................................... 160 7.12 IDEEN ZUM WEITERMACHEN ................................................................................... 161 7.12.1 OPENAI GYM ........................................................................................... 162 7.12.2 DAS BUCH VON SUTTON UND BARTO ............................................................ 163 7.13 ZUSAMMENFASSUNG UND AUSBLICK ....................................................................... 163 7.13.1 MENSCHLICHES LERNEN VS. Q-LEARNING ...................................................... 163 7.13.2 DIE GRENZEN DES VERFAHRENS .................................................................. 164 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 ............................................................................................... 175 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 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 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 13.1.2 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 14 TRANSFORMER VERSTEHEN 267 14.1 EIN SPRACHMODELL VON AUSSEN BETRACHTET ........................................................... 267 14.1.1 UNTERSCHIEDE ZUM MARKOW-PROZESS ........................................................ 268 14.2 WOERTER IN ZAHLEN CODIEREN FUER FORTGESCHRITTENE ............................................... 269 14.3 WORTEINBETTUNGEN ................................................................................................ 270 14.3.1 RELATIONEN UEBERTRAGEN ............................................................................ 274 14.4 DAS BEISPIELPROGRAMM WORT-NAVIGATOR ............................................................ 276 14.4.1 TEXTQUELLE I: DUENSTENDE KOECHINNEN UND FRITTIERENDE KONDITOREN .......... 276 14.4.2 DIE BEDIENOBERFLAECHE ............................................................................... 277 14.4.3 RELATIONEN UEBERTRAGEN IM WORT-NAVIGATOR ............................................. 279 14.5 VOM TEXT ZUR WORTEINBETTUNG ............................................................................ 282 14.5.1 ONE HOT ENCODING .................................................................................... 283 14.5.2 PAARE AUS ZIEL UND KONTEXTWOERTERN ........................................................ 284 14.5.3 DASTRAINING .............................................................................................. 286 14.5.4 VOM TRAINING ZUR WORTEINBETTUNG .......................................................... 287 14.5.5 WARUM FUNKTIONIERT DAS? ......................................................................... 288 14.5.6 KOSINUS-AEHNLICHKEIT .................................................................................. 289 14.6 VOM WORT ZUM SATZ ZUM TEXT: SEQUENZEINBETTUNGEN .................................... 290 14.7 DAS BEISPIELPROGRAMM SEQUENZ-NAVIGATOR ...................................................... 292 14.7.1 TEXTQUELLE II: EIN TAG IM LEBEN VON KATI KATZENSTEIN ............................. 292 14.7.2 DIE BEDIENOBERFLAECHE ............................................................................... 294 14.7.3 RELATIONEN ZWISCHEN SEQUENZEN .............................................................. 296 14.8 TRANSFORMER AM HORIZONT ................................................................................. 297 14.8.1 EIN VERBESSERTER MARKOW-PROZESS ......................................................... 297 14.8.2 UND TAEGLICH GRUESST FRAU KATZENSTEIN ...................................................... 298 14.8.3 POSITIONAL ENCODINGS ............................................................................. 299 14.8.4 GEWICHTUNGEN ....................................................................................... 299 14.8.5 SPRACHE IST KONTEXT ................................................................................ 299 14.8.6 AUFMERKSAMKEIT .................................................................................... 300 14.9 ZUSAMMENFASSUNG UND AUSBLICK ..................................................................... 301 14.9.1 WAS WIR AUSGELASSEN HABEN .................................................................. 301 14.9.2 UNTERSCHIEDE ZU AUSGEWACHSENEN TRANSFORMERN ................................ 302 14.9.3 DAS ERSTAUNLICHE ABSTRAKTIONSVERMOEGEN VON TRANSFORMERN ............... 303 14.10 IDEEN ZUM WEITERMACHEN ................................................................................. 304 NACHWORT: AUF DER SUCHE NACH TRURLS ELEKTROBARDEN 305 ANHANG 313 A EINE KURZE EINFUEHRUNG IN JAVASCRIPT UND P5.JS .................................................. 315 B GLOSSAR .................................................................................................................. 359 C QUELLEN UND WEITERFUEHRENDE LITERATUR ............................................................. 369 D ABBILDUNGSVERZEICHNIS ........................................................................................ 373 INDEX ................................................................................................................................... 377
adam_txt	INHALT MATERIALIEN ZUM BUCH . 16 VORWORT ZUR ZWEITEN AUFLAGE . 17 1 EINLEITUNG 19 1.1 WORUM ES UNS IN DIESEM BUCH GEHT . 20 1.2 FUER WEN WIR DIESES BUCH GESCHRIEBEN HABEN . 21 1.3 AUFBAU DER EINZELNEN KAPITEL . 22 1.4 EIN WORT AN DIE PROGRAMMIERUNKUNDIGEN . 22 1.5 BEISPIELPROGRAMME UND DIE WEBSEITE ZUM BUCH . 23 1.6 WARUM WIR JAVASCRIPT UND P5.JS VERWENDET HABEN . 25 1.7 BEGRIFFLICHE ABGRENZUNG UND FACHBEGRIFFE . 26 1.8 INHALTE, THEMEN, KAPITEL . 27 1.9 DANK . 30 2 TEXTE BAUEN MIT MARKOW 31 2.1 DAS BEISPIELPROGRAMM NONSENSE-TEXTER . 35 2.2 DER CODE DES NONSENSE-TEXTERS UNTER DER LUPE . 37 2.2.1 DIE KOMPONENTEN DES MARKOW-OBJEKTS . 38 2.2.2 UEBERGAENGE LERNEN . 38 2.2.3 NONSENSE-TEXTE PRODUZIEREN . 40 2.3 DAS BEISPIELPROGRAMM WOERTER VORSCHLAGEN . 43 2.3.1 DIE KOMPONENTEN DES MARKOW-OBJEKTS . 43 2.3.2 UEBERGAENGE UND HAEUFIGKEITEN LERNEN . 44 2.4 WOERTER VORSCHLAGEN . 47 2.5 GEWICHTETER ZUFALL . 48 2.6 IDEEN ZUM WEITERMACHEN . 50 2.7 ZUSAMMENFASSUNG UND AUSBLICK . 51 3 SCHREIBFEHLER AUTOMATISCH KORRIGIEREN 53 3.1 DAS BEISPIELPROGRAMM WORTVERGLEICH . 54 3.2 DIE MATRIX BEFUELLEN . 57 3.2.1 DIE FUELLUNG DER OBEREN ZEILE UND DER LINKEN SPALTE . 57 3.2.2 DIE FUELLUNG DER VERBLEIBENDEN ZELLEN . 58 3.2.3 DIE DREI SCHRITTE UNTER DER LUPE . 62 3.3 DIE UMSETZUNG IM BEISPIELPROGRAMM . 62 3.3.1 DAS LEVENSHTEIN-OBJEKT . 62 3.3.2 DIE FUNKTION MATRIX() . 63 3.4 DAS BEISPIELPROGRAMM KORREKTURVORSCHLAEGE . 65 3.5 IDEEN ZUM WEITERMACHEN . 67 3.6 ZUSAMMENFASSUNG UND AUSBLICK . 68 4 WOERTER GRUPPIEREN 69 4.1 ITEMS UND TRANSAKTIONEN . 71 4.2 KENNGROESSEN DER ASSOZIATIONSANALYSE . 72 4.2.1 SUPPORT . 72 4.2.2 CONFIDENCE . 73 4.2.3 LIFT . 74 4.3 EIN BEISPIEL VON HAND GERECHNET . 76 4.4 DAS BEISPIELPROGRAMM BEGRIFFSNETZ . 79 4.4.1 DIE DATENQUELLE . 81 4.4.2 BESCHRAENKUNG DER ANWENDUNG AUF ITEM-PAARE . 81 4.5 EINE TOUR DURCH DEN CODE . 82 4.5.1 DIE KLASSE BEGRIFFSNETZ . 82 4.5.2 ENKODIERUNG DER TRANSAKTIONEN . 83 4.5.3 BEFUELLUNG DER ARRAYS FUER SUPPORT . 85 4.5.4 BEFUELLUNGDER ARRAYS FUER CONFIDENCE UND LIFT . 87 4.5.5 DIE FUNKTION ASSOZIATIONEN() . 87 4.6 IDEEN ZUM WEITERMACHEN . 88 4.7 ZUSAMMENFASSUNG UND AUSBLICK . 90 4.7.1 DER APRIORI-ALGORITHMUS . 90 4.7.2 TRANSAKTIONSTABELLEN . 90 4.7.3 EINE UEBERSICHT ALLER FACHBEGRIFFE AUS DIESEM KAPITEL . 91 5 SPIELE FUER EINE PERSON LOESEN 93 5.1 DAS SPIEL FRUCHTKRAESCH . 93 5.2 WIE FINDET DIE KL DEN BESTEN ZUG? . 95 5.3 EINE VIELSEITIG EINSETZBARE SPIEL-KL . 98 5.4 DIE KLASSE SPIELZUSTAND . 99 5.4.1 ZUEGE LIEFERN MODIFIZIERTE SPIELZUSTAENDE . 100 5.4.2 DIE MOEGLICHEN ZUEGE . 100 5.4.3 DIE BEWERTUNG EINES SPIELZUSTANDS . 100 5.4.4 EIN GEDAECHTNIS FUER ZUEGE . 101 5.4.5 DIE SCHNITTSTELLE IM UEBERBLICK . 101 5.5 DIE KLASSE KL . 102 5.5.1 ALLE FOLGEZUSTAENDE EINES SPIELZUSTANDS BERECHNEN . 102 5.5.2 ALLE SPIELVERLAEUFE PER WARTESCHLANGENVERFAHREN BERECHNEN . 103 5.5.3 DIE SPIELZUSTAENDE NACH BEWERTUNG SORTIEREN . 106 5.5.4 DIE FUNKTION BESTERZUGO . 106 5.5.5 DIE FUNKTIONEN DES KL-OBJEKTS IM UEBERBLICK . 107 5.6 IDEEN ZUM WEITERMACHEN . 107 5.7 ZUSAMMENFASSUNG UND AUSBLICK . 108 6 SPIELE FUER ZWEI PERSONEN GEWINNEN 109 6.1 DAS SPIEL REVERSI . 110 6.2 DAS BEISPIELPROGRAMM REVERSI KL . 111 6.3 DER MINIMAX-ALGORITHMUS . 112 6.3.1 ANWENDUNGSGEBIETE UND GRENZEN DES MINIMAX-ALGORITHMUS . 114 6.4 TIEFENSUCHE UND REKURSION . 115 6.4.1 BREITENSUCHE UND TIEFENSUCHE . 116 6.4.2 DIE PARADOXIE DER REKURSION . 117 6.4.3 VERZWEIGTE REKURSION . 121 6.5 DIE KLASSE SPIELZUSTAND . 123 6.5.1 DIE BEWERTUNGSFUNKTION . 123 6.5.2 DIE SCHNITTSTELLE IM UEBERBLICK . 125 6.6 DIE KLASSE KL . 126 6.7 BESCHLEUNIGUNG MIT . 130 6.8 IDEEN ZUM WEITERMACHEN . 131 6.9 ZUSAMMENFASSUNG UND AUSBLICK . 132 7 Q-LEARNING 133 7.1 DAS EICHHOERNCHEN UND DAS NUSSVERSTECK . 134 7.2 UMWELT, AGENT, AKTION UND BELOHNUNG . 139 7.2.1 DAS VERHAELTNIS VON AGENT UND UMWELT . 140 7.3 DIEQ-TABELLE . 141 7.3.1 Q STEHT FUER QUALITAET . 142 7.4 DAS BEISPIELPROGRAMM Q-LERNER . 142 7.5 DIE Q-TABELLE BEFUELLEN . 147 7.5.1 WARUM FUNKTIONIERT DAS? . 149 7.6 DER CODE UNTER DER LUPE . 150 7.6.1 DIE UMWELT . 150 7.6.2 DER Q-LERNER . 151 7.7 GAMMA BESTIMMT DIE WEITSICHT . 152 7.8 EPSILON: ERFORSCHUNG ODER ANWENDUNG . 154 7.9 EIN ZWEITER BLICK AUF DEN CODE . 156 7.10 ALPHA . 158 7.11 WAS WIR WEGGELASSEN HABEN . 159 7.11.1 KOMPLEXERE UMWELTEN . 160 7.11.2 KOSTEN FUER AKTIONEN . 160 7.113 BELOHNUNGEN MIT ZUSTANDS-AKTIONS-PAAREN VERKNUEPFEN . 160 7.11. 4 MEHRERE BELOHNUNGSZUSTAENDE . 160 7.12 IDEEN ZUM WEITERMACHEN . 161 7.12.1 OPENAI GYM . 162 7.12.2 DAS BUCH VON SUTTON UND BARTO . 163 7.13 ZUSAMMENFASSUNG UND AUSBLICK . 163 7.13.1 MENSCHLICHES LERNEN VS. Q-LEARNING . 163 7.13.2 DIE GRENZEN DES VERFAHRENS . 164 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 . 175 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 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 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 13.1.2 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 14 TRANSFORMER VERSTEHEN 267 14.1 EIN SPRACHMODELL VON AUSSEN BETRACHTET . 267 14.1.1 UNTERSCHIEDE ZUM MARKOW-PROZESS . 268 14.2 WOERTER IN ZAHLEN CODIEREN FUER FORTGESCHRITTENE . 269 14.3 WORTEINBETTUNGEN . 270 14.3.1 RELATIONEN UEBERTRAGEN . 274 14.4 DAS BEISPIELPROGRAMM WORT-NAVIGATOR . 276 14.4.1 TEXTQUELLE I: DUENSTENDE KOECHINNEN UND FRITTIERENDE KONDITOREN . 276 14.4.2 DIE BEDIENOBERFLAECHE . 277 14.4.3 RELATIONEN UEBERTRAGEN IM WORT-NAVIGATOR . 279 14.5 VOM TEXT ZUR WORTEINBETTUNG . 282 14.5.1 ONE HOT ENCODING . 283 14.5.2 PAARE AUS ZIEL UND KONTEXTWOERTERN . 284 14.5.3 DASTRAINING . 286 14.5.4 VOM TRAINING ZUR WORTEINBETTUNG . 287 14.5.5 WARUM FUNKTIONIERT DAS? . 288 14.5.6 KOSINUS-AEHNLICHKEIT . 289 14.6 VOM WORT ZUM SATZ ZUM TEXT: SEQUENZEINBETTUNGEN . 290 14.7 DAS BEISPIELPROGRAMM SEQUENZ-NAVIGATOR . 292 14.7.1 TEXTQUELLE II: EIN TAG IM LEBEN VON KATI KATZENSTEIN . 292 14.7.2 DIE BEDIENOBERFLAECHE . 294 14.7.3 RELATIONEN ZWISCHEN SEQUENZEN . 296 14.8 TRANSFORMER AM HORIZONT . 297 14.8.1 EIN VERBESSERTER MARKOW-PROZESS . 297 14.8.2 UND TAEGLICH GRUESST FRAU KATZENSTEIN . 298 14.8.3 POSITIONAL ENCODINGS . 299 14.8.4 GEWICHTUNGEN . 299 14.8.5 SPRACHE IST KONTEXT . 299 14.8.6 AUFMERKSAMKEIT . 300 14.9 ZUSAMMENFASSUNG UND AUSBLICK . 301 14.9.1 WAS WIR AUSGELASSEN HABEN . 301 14.9.2 UNTERSCHIEDE ZU AUSGEWACHSENEN TRANSFORMERN . 302 14.9.3 DAS ERSTAUNLICHE ABSTRAKTIONSVERMOEGEN VON TRANSFORMERN . 303 14.10 IDEEN ZUM WEITERMACHEN . 304 NACHWORT: AUF DER SUCHE NACH TRURLS ELEKTROBARDEN 305 ANHANG 313 A EINE KURZE EINFUEHRUNG IN JAVASCRIPT UND P5.JS . 315 B GLOSSAR . 359 C QUELLEN UND WEITERFUEHRENDE LITERATUR . 369 D ABBILDUNGSVERZEICHNIS . 373 INDEX . 377
any_adam_object	1
any_adam_object_boolean	1
author	Noack, Pit Sanner, Sophia
author_GND	(DE-588)1274480108 (DE-588)1274480213
author_facet	Noack, Pit Sanner, Sophia
author_role	aut aut
author_sort	Noack, Pit
author_variant	p n pn s s ss
building	Verbundindex
bvnumber	BV049388313
classification_rvk	AP 15925 ST 300
ctrlnum	(OCoLC)1410709971 (DE-599)DNB1296728501
discipline	Allgemeines Informatik
discipline_str_mv	Allgemeines Informatik
edition	2. aktualisierte Auflage
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02788nam a2200637 c 4500</leader><controlfield tag="001">BV049388313</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20240502 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">231030s2023 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">23,N30</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1296728501</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783836298582</subfield><subfield code="c">Pb.: EUR 29.90 (DE), EUR 30.80 (AT), CHF 38.90 (freier Preis)</subfield><subfield code="9">978-3-8362-9858-2</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3836298589</subfield><subfield code="9">3-8362-9858-9</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783836298582</subfield></datafield><datafield tag="028" ind1="5" ind2="2"><subfield code="a">Bestellnummer: 459/09858</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1410709971</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1296728501</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-11</subfield><subfield code="a">DE-824</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-29</subfield><subfield code="a">DE-1049</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">AP 15925</subfield><subfield code="0">(DE-625)6949:</subfield><subfield code="2">rvk</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</subfield><subfield code="c">Pit Noack, Sophia Sanner</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">2. aktualisierte 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">382 Seiten</subfield><subfield code="b">Illustrationen, Diagramme. - 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 Cover: "JavaScript-Beispiele online ausprobieren und modifizieren, hinter die Kulissen von ChatGPT und Co. schauen, 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">Transformer</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Programmierung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Einführung Grundkurs Grundlagen Praxis-Buch Kurs Anleitung Workshop Tutorial Weiterbildung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Programmieren spielerisch lernen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Einstieg KI</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">JavaScript</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Experimente</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Algorithmen</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Neuronale Netze</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Levenstein</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Informatik</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="e">Verfasser</subfield><subfield code="0">(DE-588)1274480213</subfield><subfield code="4">aut</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=ab796d1091b3420b8e83341aaaac5d86&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=034715794&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:BVB01-034715794</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">vlb</subfield><subfield code="d">20230720</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.BV049388313
illustrated	Illustrated
index_date	2024-07-03T23:00:36Z
indexdate	2024-07-10T10:05:41Z
institution	BVB
institution_GND	(DE-588)1081738405
isbn	9783836298582 3836298589
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-034715794
oclc_num	1410709971
open_access_boolean
owner	DE-11 DE-824 DE-1043 DE-706 DE-1051 DE-29T DE-523 DE-859 DE-573 DE-92 DE-29 DE-1049
owner_facet	DE-11 DE-824 DE-1043 DE-706 DE-1051 DE-29T DE-523 DE-859 DE-573 DE-92 DE-29 DE-1049
physical	382 Seiten Illustrationen, Diagramme. - 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 Pit Noack, Sophia Sanner 2. aktualisierte Auflage Bonn Rheinwerk 2023 382 Seiten Illustrationen, Diagramme. - Illustrationen, Diagramme 23 cm x 17.2 cm txt rdacontent n rdamedia nc rdacarrier Rheinwerk Computing Auf dem Cover: "JavaScript-Beispiele online ausprobieren und modifizieren, hinter die Kulissen von ChatGPT und Co. schauen, Spiele-KI, Graphen, neuronale Netze u.v.m." Künstliche Intelligenz (DE-588)4033447-8 gnd rswk-swf Transformer Programmierung Einführung Grundkurs Grundlagen Praxis-Buch Kurs Anleitung Workshop Tutorial Weiterbildung Programmieren spielerisch lernen Einstieg KI JavaScript Experimente Algorithmen Neuronale Netze Levenstein Informatik (DE-588)4151278-9 Einführung gnd-content Künstliche Intelligenz (DE-588)4033447-8 s DE-604 Sanner, Sophia Verfasser (DE-588)1274480213 aut Rheinwerk Verlag (DE-588)1081738405 pbl X:MVB text/html http://deposit.dnb.de/cgi-bin/dokserv?id=ab796d1091b3420b8e83341aaaac5d86&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=034715794&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis 1\p vlb 20230720 DE-101 https://d-nb.info/provenance/plan#vlb
spellingShingle	Noack, Pit Sanner, Sophia Künstliche Intelligenz verstehen eine spielerische Einführung Künstliche Intelligenz (DE-588)4033447-8 gnd
subject_GND	(DE-588)4033447-8 (DE-588)4151278-9
title	Künstliche Intelligenz verstehen eine spielerische Einführung
title_auth	Künstliche Intelligenz verstehen eine spielerische Einführung
title_exact_search	Künstliche Intelligenz verstehen eine spielerische Einführung
title_exact_search_txtP	Künstliche Intelligenz verstehen eine spielerische Einführung
title_full	Künstliche Intelligenz verstehen eine spielerische Einführung Pit Noack, Sophia Sanner
title_fullStr	Künstliche Intelligenz verstehen eine spielerische Einführung Pit Noack, Sophia Sanner
title_full_unstemmed	Künstliche Intelligenz verstehen eine spielerische Einführung Pit Noack, Sophia Sanner
title_short	Künstliche Intelligenz verstehen
title_sort	kunstliche intelligenz verstehen eine spielerische einfuhrung
title_sub	eine spielerische Einführung
topic	Künstliche Intelligenz (DE-588)4033447-8 gnd
topic_facet	Künstliche Intelligenz Einführung
url	http://deposit.dnb.de/cgi-bin/dokserv?id=ab796d1091b3420b8e83341aaaac5d86&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=034715794&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT noackpit kunstlicheintelligenzversteheneinespielerischeeinfuhrung AT sannersophia kunstlicheintelligenzversteheneinespielerischeeinfuhrung AT rheinwerkverlag kunstlicheintelligenzversteheneinespielerischeeinfuhrung

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