Daten sind das neue Gold - und neuronale Netze haben bereits einigen Unternehmen geholfen, diesen Schatz auszugraben. Verschaffen Sie sich mit diesem Buch innerhalb kürzester Zeit einen soliden Überblick über neuronale Netze. Nach der Lektüre dieses Buches kennen Sie den historischen Werdegang dieser leistungsfähigen Approximatoren und Sie sind vertraut mit den aktuell wichtigsten Begriffen. Des Weiteren kennen Sie die Möglichkeiten sowie die Grenzen neuronaler Netze. Dieses Buch richtet sich in erster Linie an Praktiker, die einen schnellen Einstieg in das Thema suchen, ohne parallel einen Hochschulkurs in Mathematik und Statistik zu machen.
Author(s): Daniel Sonnet
Series: IT kompakt
Edition: 1
Publisher: Springer Vieweg
Year: 2022
Language: German
Commentary: Vector PDF
Pages: 152
City: Wiesbaden, Germany
Tags: Neural Networks; Deep Learning
Inhaltsverzeichnis
1 Einführung
2 Neuronale Netze
2.1 Ein kompakter historischer Abriss
2.1.1 Der Start: das Perceptron
2.1.2 Die Weiterentwicklung: mehrschichtige Netze
2.1.3 Heutiger Status Quo: Deep Learning
2.2 Auswahl einiger Lern- bzw. Trainingsalgorithmen
2.2.1 Hebb'sche Regel
2.2.2 Deltaregel
2.2.3 Backpropagation
2.3 Vorstellung besonderer Netzwerktypen
2.3.1 Feedforward networks versus recurrent networks
2.3.2 Convolutional neural network
3 Best Practice: Möglichkeiten und Grenzen Neuronaler Netze
3.1 Vorteile und Möglichkeiten Neuronaler Netze
3.2 Grenzen Neuronaler Netze
4 Ausblick: Mögliche Entwicklungen für Neuronale Netze
4.1 Entschlüsselung der Black Box
4.2 Mehr Performance und weitere Einsatzmöglichkeiten
5 Quick Start Guide Neuronale Netze und Fallstudien
5.1 Quick Start Guide
5.2 Fallstudien
5.2.1 Vorhersage der Churn Rate (Kundenverlustrate) einer Bank
5.2.2 Der Klassiker MNIST sowie Fashion-MNIST
Literatur
