Eigene KI-Anwendungen programmieren

Ihr Einstieg in die Programmierung mit KI. Ohne Vorkenntnisse, einfach mit Python - Ausgabe 2025
2. aktualisierte und überarbeitete Auflage 2025
ISBN: 978-3-367-10839-8
Verlag: Rheinwerk Verlag GmbH

Buch, Deutsch, 446 Seiten, Format (B × H): 167 mm x 226 mm, Gewicht: 830 g

Reihe: Rheinwerk Computing

KI-Anwendungen selbst erstellen und mit eigenen Daten nutzen – mit frei verfügbarer Technologie, lokaler Hardware und ohne Programmiervorkenntnisse

KI-Technologie wird in atemberaubendem Tempo immer zugänglicher. Mit diesem Buch lernen Sie einschlägige KI-Verfahren kennen und setzen für jedes dieser Verfahren eine Anwendung selbst um. Dafür nutzen Sie die Data-Science-Plattformen KNIME oder Orange – ideal, um eigene Daten aus unterschiedlichen Quellen zu integrieren und mit rein grafischer Programmierung auszuwerten. Mit Übungen und Musterlösungen zu jedem Verfahren.

Autor und KI-Experte Metin Karatas führt Sie in die Welt von TensorFlow und Keras ein und zeigt Ihnen, wie Sie Anwendungen in einfachem Python erstellen können. Alle vorgestellten Projekte sind in der beruflichen Bildung erprobt und haben sich als effektiv erwiesen. So bereichern Sie Ihre Skills mit einem modernen Werkzeugkasten , mit dem Sie maschinelles Lernen in der Datenanalyse, dem Controlling und vielen weiteren Anwendungsfeldern nutzen können.

Alle Codebeispiele zum Download; Jupyter Notebooks erleichtern die Arbeit mit dem Material zum Buch. Starten Sie jetzt mit Ihrer eigenen KI!

Aus dem Inhalt:

• Installation und Konfiguration der Werkzeuge
• Mit verschiedenen Datenquellen arbeiten
• Visuelle Programmierung ohne Code
• Anomalieerkennung
• Convolutional Neural Networks
• Zeitreihenanalysen
• Transfer Learning
• Unsupervised Learning
• Reinforcement Learning
• Evolutionäre Algorithmen
• Texte und Bilder generieren
• ChatGPT und DALL-E

Autoren/Hrsg.

Karatas, Metin

Fachgebiete

• Mathematik | Informatik EDV | Informatik Informatik Künstliche Intelligenz
• Mathematik | Informatik EDV | Informatik Programmierung | Softwareentwicklung Programmier- und Skriptsprachen

Inhaltsverzeichnis

  Materialien zum Buch ... 15

  1.  Einleitung ... 17

       1.1 ... Was bietet dieses Buch? ... 18

       1.2 ... Was ist eine »künstliche Intelligenz«? ... 19

       1.3 ... Geschichte der KI -- ein kurzer Überblick ... 21

       1.4 ... Verwendete Werkzeuge ... 23

  2.  Installation von Anaconda ... 29

       2.1 ... Windows und macOS ... 29

       2.2 ... Linux ... 30

       2.3 ... Konfiguration und Test ... 31

  3.  Das künstliche neuronale Netz ... 39

       3.1 ... Klassifizierung ... 40

       3.2 ... Das Kochrezept ... 42

       3.3 ... Aufbau künstlicher neuronaler Netze ... 46

       3.4 ... Aufbau eines künstlichen Neurons ... 48

       3.5 ... Feed Forward ... 50

       3.6 ... Backpropagation ... 52

       3.7 ... Aktualisierung der Gewichte ... 55

       3.8 ... KNN für Klassifizierung ... 58

       3.9 ... Hyperparameter und Overfitting ... 66

       3.10 ... Umgang mit nichtnumerischen Daten ... 69

       3.11 ... Umgang mit Datenlücken ... 71

       3.12 ... Korrelation versus Kausalität ... 73

       3.13 ... Normierung der Daten ... 81

       3.14 ... Regression ... 84

       3.15 ... Deployment ... 87

       3.16 ... Übungen ... 93

  4.  Entscheidungsbäume ... 95

       4.1 ... Einfache Entscheidungsbäume ... 96

       4.2 ... Boosting ... 108

       4.3 ... XGBoost Regressor ... 118

       4.4 ... Deployment ... 120

       4.5 ... Übungen ... 121

  5.  Faltungsschichten, Bilder und mehr ... 123

       5.1 ... Einfache Bildklassifizierung ... 125

       5.2 ... Hyperparameter-Optimierung mit Early Stopping und KerasTuner ... 130

       5.3 ... Convolutional Neural Network (CNN) ... 135

       5.4 ... Bildklassifizierung mit CIFAR-10 ... 142

       5.5 ... Verwendung vortrainierter Netze ... 146

       5.6 ... Übungen ... 150

  6.  Transfer Learning ... 151

       6.1 ... Funktionsweise ... 154

       6.2 ... Übungen ... 161

  7.  Anomalieerkennung ... 163

       7.1 ... Unausgewogene Daten ... 164

       7.2 ... Resampling ... 169

       7.3 ... Autoencoder ... 171

       7.4 ... Übungen ... 178

  8.  Textklassifizierung ... 179

       8.1 ... Embedding Layer ... 179

       8.2 ... GlobalAveragePooling1D Layer ... 183

       8.3 ... Text Vectorization ... 185

       8.4 ... Analyse der Zusammenhänge ... 188

       8.5 ... Klassifizierung großer Datenmengen ... 193

       8.6 ... Übungen ... 196

  9.  Clusteranalyse ... 197

       9.1 ... Grafische Analyse der Daten ... 198

       9.2 ... Der Algorithmus k-Means-Clustering ... 203

       9.3 ... Das fertige Programm ... 206

       9.4 ... Übungen ... 209

10.  Visuelle Programmierung mit Orange ... 211

       10.1 ... Installation ... 211

       10.2 ... Klassifizierung mit Entscheidungsbaum ... 213

       10.3 ... Regression mit Entscheidungsbaum ... 220

       10.4 ... Deployment ... 221

       10.5 ... Klassifizierung mit KNN ... 223

       10.6 ... Regression mit KNN ... 227

       10.7 ... Bildklassifizierung mit XGBoost ... 229

       10.8 ... Unüberwachte Klassifizierung von Bildern ... 230

       10.9 ... Textklassifizierung mit XGBoost ... 234

       10.10 ... Übungen ... 236

11.  Visuelle Programmierung mit KNIME ... 239

       11.1 ... Installation ... 240

       11.2 ... Einfache künstliche neuronale Netze ... 245

       11.3 ... XGBoost ... 267

       11.4 ... Bildklassifizierung mit vortrainiertem Modell ... 271

       11.5 ... Transfer Learning ... 277

       11.6 ... Autoencoder ... 284

       11.7 ... Textklassifizierung ... 292

       11.8 ... AutoML ... 297

       11.9 ... Clusteranalyse ... 301

       11.10 ... Zeitreihenanalyse ... 306

       11.11 ... Weitere Hinweise zu KNIME ... 322

       11.12 ... Übungen ... 322

12.  Reinforcement Learning ... 325

       12.1 ... Q-Learning ... 327

       12.2 ... Erforderliche Python-Kenntnisse für das Spiel ... 332

       12.3 ... Training ... 337

       12.4 ... Test ... 340

       12.5 ... Ausblick ... 341

       12.6 ... Übungen ... 342

13.  Genetische Algorithmen ... 343

       13.1 ... Der Algorithmus ... 344

       13.2 ... Beispiel einer sortierten Liste ... 348

       13.3 ... Beispiel für Gleichungssysteme ... 351

       13.4 ... Beispielanwendung aus der Praxis ... 353

       13.5 ... Übungen ... 357

14.  ChatGPT und Gemini ... 359

       14.1 ... Prompt Engineering ... 362

       14.2 ... Programmierschnittstelle ... 375

       14.3 ... Übung ... 392

15.  DALL-E und Imagen ... 393

       15.1 ... Bildgenerierung ... 394

       15.2 ... Übung 1: API mit Moderation ... 402

16.  Ausblick ... 403

  Anhang ... 403

       A ... Lösungen ... 405

       B ... Literaturhinweise ... 441

  Index ... 443

Über Autor(innen)

Karatas, Metin
Metin Karatas war der erste Lehrer des neu eingerichteten Schulfaches „Künstliche Intelligenz“ in Bayern und ist Mitglied der entsprechenden Lehrplankommission. Der Ingenieur der Elektro- und Informationstechnik unterrichtet außerdem Programmierung, Elektrotechnik, Projektmanagement und mehr an einer Technikerschule für berufliche Bildung. Es begeistert ihn, modernste Technologien zu erforschen und das theoretische Verständnis mit praktischer Erfahrung zu verknüpfen.