Alle Artikel in: Machine Learning & KI

E-Book-Deals Machine Learning

E-Book-Deals: Machine Learning

Bis einschließlich 29. September 2021 bieten wir euch gleich fünf E-Books aus dem Machine-Learning-Regal für die Hälfte! Update: und ein Python-Lehrbuch! Generatives Deep Learning „Drowned in the sun“, dröhnt Kurt Cobains rohe und gleichzeitig so verletzt klingende Stimme durch meine Lautsprecher. Kurz darauf das bekannte, wütende Gitarrengeschrammel, und schließlich ordentlich Krach von den Drums. Ja, tatsächlich, der neue Song klingt nach Nirvana, aber wie ein YouTube-User kommentiert: „This is what it’s like if you have a dream you’re seeing Nirvana live but you can’t quite figure out what song they’re playing“. Ein undefinierbarer Musikbrei, nirgends mag das Ohr hängen bleiben, keine Textzeile spielt sich mir ins Hirn. Dennoch mehr Nirvana als wir in den vergangenen 27 Jahren zu hören bekamen. Und ein gutes Projekt, für das nicht nur Cobains Werke, sondern auch die anderer Künstler des (traurigen) Club 27 durch neuronale Netze geschickt und schließlich von künstlicher Intelligenz komponiert wurden, mit einer wichtigen Botschaft. Wollt ihr es auch ausprobieren? Ich wäre, ganz 90er Jahre Kid, gespannt. Gibt auch ’nen passenden Buchtipp, nämlich, voilà, David Fosters …

Künstliche Intelligenz Buch

Komische Maschinen, seltsame Abkürzungen: Ein anderes Buch über Künstliche Intelligenz

Alle reden über KI. Alle nutzen KI (bei der Suche im Netz, beim Online-Shopping, beim Streaming, bei der Navigation, beim Übersetzen von Texten …). Die wenigsten verstehen etwas von KI. Und diejenigen, die mehr Plan haben, schreiben zwar ganz gerne über KI, argumentieren dabei aber oft sehr technisch, philosophisch – oder gar sperrig. Einen anderen Weg der Aufklärung geht Janelle Shane, promovierte Elektroingenieurin, KI-Expertin und zur Zeit Optikforscherin in Colorado: In ihrem Buch „Künstliche Intelligenz – Wie sie funktioniert und wann sie scheitert“ nähert sie sich dem Thema mit Humor. „I write about the sometimes hilarious, sometimes unsettling ways that machine learning algorithms get things wrong“, so das Mission Statement der Amerikanerin. Die Ergebnisse ihrer Arbeit kann man seit einigen Jahren im wirklich feinen Blog AI Weirdness nachlesen, Ende 2019 folgte dann Shanes erstes Buch: You Look Like A Thing And I Love You. Für alle, die sich über diesen so seltsamen wie brillanten Titel wundern: Es handelt sich um einen angeblich idealen Anmachspruch, den sich ein von der Autorin aufgesetztes KNN (künstliches neuronales Netz) …

Einer neuer Rashid: GANs mit PyTorch (und ein E-Book-Deal)

Zehntausende verkaufte Exemplare und Hunderte begeisterte Leserstimmen: Im Jahr 2017 überraschten wir uns selbst ein wenig mit unserem grandios erfolgreichen Fachbuch „Neuronale Netze selbst programmieren“. Nun liegt Tariq Rashids neues Buch „GANs mit PyTorch selbst programmieren“ vor. Eine unterhaltsame Reise durch die Welt der Künstlichen Intelligenz, ein Buch, das wirklich jedem und jeder zu einem Zugang zum Thema Neuronale Netze verhilft, von dem auch Laien profitieren: So stellte unser Lektorat das geplante Übersetzungsprojekt „Neuronale Netze selbst programmieren“ einst in der Verlagskonferenz vor. Soll ich ehrlich sein? Ich konnte es mir dennoch kaum vorstellen – nicht nur weil Lektor*innen naturgemäß immer zutiefst von ihren neuen Projekten überzeugt sind. Neuronale Netze, dachte ich, einer breiten, interessierten Öffentlichkeit nahebringen, puh. Das soll gelingen? GANs: „die coolste Idee“ Um es abzukürzen: Es gelang, und es gelingt noch immer. Nicht nur uns überzeugte Tariq Rahids gnadenlos anschaulicher, verständlicher Schreibstil und seine herausragende Fähigkeit, gerade die komplexen Inhalte dieses nicht gerade zugänglichen Fachgebiets für alle nachvollziehbar zu erklären. Umso mehr freuen wir uns, dass der britische Physiker und Machine-Learning-Experte mit einem …

Generatives Deep Learning: Das Buch für kreative Data Scientists & Programmierer

Im Frühjahr erschien bei uns „Generatives Deep Learning: Maschinen das Malen, Schreiben und Komponieren beibringen“. Ein Buch für die schönen Künste – und ja, das Programmieren ist hier ausdrücklich mitgemeint. Zugegeben: eine Organistin wird aus mir nicht mehr – so wie einst Bach werde ich das eindrucksvolle Instrument niemals beherrschen. (Genauso wenig übrigens, wie ich irgendein anderes Instrument beherrsche.) Aber Komponieren, das könnte etwas werden. Vorausgesetzt, ich nutze Deep Learning-Modelle, die dann Präludien im Stil des großen Musikers erschaffen. Oder Picasso-like Leinwände gestalten. Oder: Sogar Texte für das oreillyblog schreiben? Wenn Maschinen schreiben, malen und komponieren David Foster, Data Scientist, Mathematiker und Autor unseres hier neu vorgestellten Buchs, hat sich diesen Herausforderungen gestellt – und sie auf sehr anschauliche und zugängliche Art und Weise beantwortet. In „Generatives Deep Learning“ vermittelt er zunächst die Grundtechniken des Deep Learning mit Keras und zeigt die eindrucksvollsten generativen Deep-Learning-Modelle wie z.B. Generative Adversarial Networks (GANs), Variational Autoencoder (VAEs), Encoder-Decoder- sowie World-Modelle. Danach erklärt Foster anhand zahlreicher Bilder (natürlich ist das Buch farbig!), wie sich diese für kreative Aufgaben wie …

Neuerscheinung: Praxisbuch Unsupervised Learning

Als erstes deutschsprachiges Buch zeigt „Praxisbuch Unsupervised Learning“, wie sich auch mit ungelabelten Daten arbeiten lässt. Zum Einsatz kommen die Python-Frameworks Scikit-learn und TensorFlow mit Keras. In drei bis acht Jahren werden wir eine Maschine mit der allgemeinen Intelligenz eines durchschnittlichen Menschen haben“, erklärte Marvin Minsky, einer der größten Denker unserer Zeit – im Jahr 1970. Nun hat es bekanntlich doch etwas länger gedauert, bis die KI-Forschung (wieder) Fahrt aufgenommen hat. Spätestens seit das Big Data-Zeitalter aber ständig neue Datenschnipsel produziert und IT-Infrastrukturen immer leistungsfähiger werden, lässt sich aus vielerlei Informationen tatsächliches Wissen, lassen sich aus Mustern komplexe Fähigkeiten entwickeln. Gerade in jüngster Zeit bereichern diese unseren Alltag und beflügeln die Erforschung wissenschaftlicher Fragen. Voraussetzung für die Anwendung von Machine Learning-Techniken sind jedoch häufig schön strukturierte – gelabelte – Daten. Und die kommen, wie sollte es anders sein, in der „freien Natur“ eher selten vor. In seinem Praxisbuch zum unüberwachten Lernen zeigt Ankur A. Patel daher, wie sich aus unklassifizierten Daten Muster extrahieren und Anomalien entdecken lassen. Mit denen sich dann wiederum beispielsweise Filme und …