Künstliche Intelligenz verstehen

Neugierig auf KI? Dann sind Sie hier richtig! Es erwartet Sie weit mehr als ein Buch: Im Online-Angebot sehen Sie der KI dabei zu, wie sie Texte ergänzt, Daten sortiert, Zusammenhänge erkennt oder Spiele gewinnt - auch gegen Sie?Im Buch erfahren Sie, was hinter den Kulissen passiert: Sie lernen die grundlegenden Ideen kennen, die hinter einschlägigen KI-Verfahren stehen.Schritt für Schritt wird die Logik ebenso erklärt wie der JavaScript-Code. Über die Web-Programmierumgebung p5js können Sie sogar die Beispielprogramme direkt im Browser verändern und weiterentwickeln. Probieren Sie es aus und experimentieren Sie! So finden Sie einen Hands-On-Einstieg ins Fachgebiet KI, mit Vorschlägen zum Weiterprogrammieren und zum Üben sowie einem Glossar Mit Lerngrafiken und Cartoons von Sophia Sanner.

Fuzzy Logic, Spiele-KI, Neuronale Netze u.v.m.

Materialien zum Buch ... 16 1. Einleitung ... 17 1.1 ... Worum es uns in diesem Buch geht ... 18 1.2 ... Für 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 2.3 ... Das Beispielprogramm Wörter vorschlagen ... 41 2.4 ... Wörter vorschlagen ... 44 2.5 ... Gewichteter Zufall ... 46 2.6 ... Ideen zum Weitermachen ... 48 2.7 ... Zusammenfassung und Ausblick ... 49 3. Schreibfehler automatisch korrigieren ... 51 3.1 ... Das Beispielprogramm Wortvergleich ... 52 3.2 ... Die Matrix befüllen ... 55 3.3 ... Die Umsetzung im Beispielprogramm ... 60 3.4 ... Das Beispielprogramm Korrekturvorschläge ... 63 3.5 ... Ideen zum Weitermachen ... 65 3.6 ... Zusammenfassung und Ausblick ... 66 4. Wörter gruppieren ... 67 4.1 ... Items und Transaktionen ... 69 4.2 ... Kenngrößen der Assoziationsanalyse ... 70 4.3 ... Ein Beispiel von Hand gerechnet ... 74 4.4 ... Das Beispielprogramm Begriffsnetz ... 77 4.5 ... Eine Tour durch den Code ... 80 4.6 ... Ideen zum Weitermachen ... 86 4.7 ... Zusammenfassung und Ausblick ... 88 5. Spiele für eine Person lösen ... 91 5.1 ... Das Spiel Fruchtkräsch ... 91 5.2 ... Wie findet die KI den besten Zug? ... 93 5.3 ... Eine vielseitig einsetzbare Spiel-KI ... 96 5.4 ... Die Klasse Spielzustand ... 97 5.5 ... Die Klasse KI ... 100 5.6 ... Ideen zum Weitermachen ... 105 5.7 ... Zusammenfassung und Ausblick ... 106 6. Spiele für zwei Personen gewinnen ... 107 6.1 ... Das Spiel Reversi ... 108 6.2 ... Das Beispielprogramm Reversi KI ... 109 6.3 ... Der Minimax-Algorithmus ... 110 6.4 ... Tiefensuche und Rekursion ... 113 6.5 ... Die Klasse Spielzustand ... 121 6.6 ... Die Klasse KI ... 123 6.7 ... Beschleunigung mit Alpha-Beta-Pruning ... 128 6.8 ... Ideen zum Weitermachen ... 129 6.9 ... Zusammenfassung und Ausblick ... 130 7. Q-Learning ... 131 7.1 ... Das Eichhörnchen und das Nussversteck ... 132 7.2 ... Umwelt, Agent, Aktion und Belohnung ... 137 7.3 ... Die Q-Tabelle ... 139 7.4 ... Das Beispielprogramm Q-Lerner ... 140 7.5 ... Die Q-Tabelle befüllen ... 145 7.6 ... Der Code unter der Lupe ... 148 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 7.12 ... Ideen zum Weitermachen ... 160 7.13 ... Zusammenfassung und Ausblick ... 162 8. K-nächste-Nachbarn ... 167 8.1 ... Häschen, 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 9.2 ... Das Beispielprogramm Wetterdaten gruppieren ... 186 9.3 ... Der Code ... 188 9.4 ... Grenzen des Verfahrens ... 191 9.5 ... Ideen zum Weitermachen ... 195 9.6 ... Zusammenfassung und Ausblick ... 19510. Neuronale Netze I: Das Häschenproblem ... 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 Häschenneuron und seine Kollegen ... 204 10.5 ... Das Beispielprogramm Tiere erkennen II ... 209 10.6 ... Der Code ... 211 10.7 ... Ideen zum Weitermachen ... 211 10.8 ... Zusammenfassung und Ausblick ... 21211. Neuronale Netze II: Auf dem Weg ins Tal ... 213 11.1 ... Das überwachte Lernen ... 214 11.2 ... Die schrittweise Justierung des Modells ... 216 11.3 ... Das Beispielprogramm Gradientenabstieg ... 223 11.4 ... Der Code ... 225 11.5 ... Tipps zum Weitermachen ... 226 11.6 ... Zusammenfassung und Ausblick ... 22612. Neuronale Netze III: Fehler zurückverfolgen mit dem Neuronentrainer ... 229 12.1 ... Was ist Backpropagation? ... 230 12.2 ... Das Beispielprogramm Neuronentrainer ... 231 12.3 ... Validierungsdaten, Überanpassung, Generatoren ... 237 12.4 ... Weitere Beispielaufgaben ... 240 12.5 ... Die Anzahlen der verdeckten Schichten und der Neuronen ... 244 12.6 ... Was wir weggelassen haben ... 245 12.7 ... Ideen zum Weitermachen ... 246 12.8 ... Zusammenfassung und Ausblick ... 24813. Neuronale Netze IV: Faltungsnetze, Autoencoder, GANs und DQL ... 249 13.1 ... Faltungsnetze ... 249 13.2 ... Modelle, die Bilder erzeugen ... 258 13.3 ... Autoencoder ... 260 13.4 ... Generative Adversarial Networks ... 261 13.5 ... Deep Q-Learning ... 264 13.6 ... Zusammenfassung und Ausblick ... 265 13.7 ... Tipps zum Weitermachen ... 268 Anhang ... 269 A ... Eine kurze Einführung in JavaScript und p5.js ... 271 B ... Glossar ... 315 C ... Quellen und Literaturhinweise ... 323 D ... Abbildungsverzeichnis ... 325 Index ... 329