Dieses Lehrbuch bietet eine verständliche Einführung in die Welt der neuronalen Netze, die für ein breites Publikum zugänglich ist. Es erklärt grundlegende Algorithmen und Verfahren, die neuronale Netze antreiben, ohne tiefere mathematische Vorkenntnisse oder Programmiererfahrung vorauszusetzen. Die Leser:innen lernen, wie einfache neuronale Netzwerke aufgebaut, trainiert und getestet werden. Darauf aufbauend werden fortgeschrittene Themen wie Autoencoder, autoregressive Modelle, Faltungsnetzwerke und Diffusionsmodelle erläutert. Zahlreiche praktische Beispiele und leicht nachvollziehbare Erklärungen machen das Werk zu einem praxisnahen Lehrbuch für alle, die sich in dieses zukunftsweisende Thema einarbeiten möchten. Online finden Sie Zusatzmaterial in Form von interaktiven Anwendungen sowie Codebeispielen.

"'Künstliche neuronale Netze" ist ein anspruchsvolles, fundiertes Lehrbuch, das technikaffinen Lesern den Einstieg in die KI-Welt auf Hochschulniveau ermöglicht." Daniel Richey, it-administrator, August 2025 "Dieses Lehrbuch bietet eine verständliche Einführung in die Welt der neuronalen Netze, die für ein breites Publikum zugänglich ist. Es erklärt grundlegende Algorithmen und Verfahren, die neuronale Netze antreiben, ohne tiefere mathematische Vorkenntnisse oder Programmiererfahrung vorauszusetzen." it management, Juli 2025

Autorentext
Dr. Daniel Scholz ist in der Weiterbildung KI & Data Science bei einem großen deutschen Automobilhersteller tätig und darüber hinaus aktiv im Bereich der schulischen Lehre und Weiterbildung.

Leseprobe

• Neuronale Netze - Neuronale Netze testen - Neuronale Netze trainieren - Autoencoder - Autoregressive Modelle - Diffusionsmodelle - Faltungsnetzwerke - Bestärkendes Lernen