Werfen Sie einen Blick hinter die Kulissen der KI! In Zeiten von ChatGPT von Co. fällt es uns oft nicht leicht, den Überblick zu behalten. Denn im Hintergrund der Tools, die wir mittlerweile täglich nutzen, läuft eine Vielzahl mathematischer Prozesse ab, die die Künstliche Intelligenz aus eingespeisten Daten ihre Schlüsse ziehen lässt. Aber wie genau findet die KI Antworten auf unsere Fragen? Was kann sie leisten und was nicht? Paul Wilmott ist langjähriger Spezialist für mathematische Modelle und Autor des Buches Grundkurs Machine Learning. Er erklärt Ihnen in diesem E-Book ganz einfach, mit vielen Beispielen und praktischen Projekten zum Ausprobieren, wie Künstliche Intelligenz eigentlich funktioniert. So verstehen Sie KI von einer kleinen Einführung in die Geschichte der Künstlichen Intelligenz über Regression bis zum maschinellen Lernen.

Aus dem Inhalt:

• Eine kleine Geschichte der KI
• Jargon und Grundlegendes
• Nächste Nachbarn
• Regression
• Clustering
• Entscheidungsbäume
• Neuronale Netze
• Reinforcement Learning

Neuronale Netze, Entscheidungsbäume, Regression und mehr ganz einfach erklärt

Autorentext
Paul Wilmott vermittelt angewandte Mathematik mit Kultstatus. Seine unverwechselbaren Einführungen bringen seit Jahrzehnten Licht in finanzmathematische Modelle, Derivatehandel, Risikobewertung und Co. Wilmott forscht, lehrt und schreibt nicht nur, er war auch schon als Profi-Jongleur und Under-Cover-Ermittler (Channel 4) im Einsatz, arbeitet für das CQF-Institut (Quantitative Finance) und für die Bildungsinitiative "Math on Toast" (Mathematik für Familien).

Inhalt

Vorwort ... 9

1. Einleitung ... 17

1.1 ... Definitionssache ... 17

1.2 ... Sorry, das hier ist ein Mathematikbuch! ... 18

1.3 ... ChatGPT ... 19

2. Eine kleine Geschichte der KI ... 21

2.1 ... Psychohistorie ... 21

2.2 ... Der Turing-Test und die Geburtsstunde der KI ... 22

2.3 ... Michie und die Streichholzschachteln ... 22

2.4 ... Deep Blue ... 26

2.5 ... DeepMind ... 27

2.6 ... Gute Nachrichten! ... 28

2.7 ... Schlechte Nachrichten ... ... 31

2.8 ... Die »Drei Gesetze der Robotik« ... 37

3. Etwas Fachjargon, mathematische und technische Grundlagen ... 39

3.1 ... Fachjargon und mathematische Konzepte ... 39

3.2 ... Technische Grundlagen ... 56

4. Mehr zu: K-Nearest-Neighbours ... 61

4.1 ... Wofür K-Nearest-Neighbours eingesetzt werden ... 61

4.2 ... Im Detail ... 62

4.3 ... Aus dem Leben gegriffen: Ein Beispiel ... 66

4.4 ... Dein Projekt ... 70

5. Mehr zu: Regression ... 73

5.1 ... Wofür Regression eingesetzt wird ... 74

5.2 ... Im Detail ... 75

5.3 ... Aus dem Leben gegriffen: Ein Beispiel ... 78

5.4 ... Dein Projekt ... 84

6. Mehr zu: Clustering ... 89

6.1 ... Wofür Clustering eingesetzt wird ... 90

6.2 ... Im Detail ... 91

6.3 ... Aus dem Leben gegriffen: Ein Beispiel ... 93

6.4 ... Dein Projekt ... 96

7. Mehr zu: Entscheidungsbäumen ... 99

7.1 ... Wofür Entscheidungsbäume eingesetzt werden ... 100

7.2 ... Im Detail ... 101

7.3 ... Aus dem Leben gegriffen: Ein Beispiel ... 103

7.4 ... Dein Projekt ... 105

8. Mehr zu: Neuronalen Netzen ... 111

8.1 ... Wofür neuronale Netze eingesetzt werden ... 111

8.2 ... Im Detail ... 112

8.3 ... Aus dem Leben gegriffen: Ein Beispiel ... 115

8.4 ... Dein Projekt ... 118

9. Mehr zu: Reinforcement Learning ... 121

9.1 ... Wofür Reinforcement Learning eingesetzt wird ... 122

9.2 ... Im Detail ... 123

9.3 ... Aus dem Leben gegriffen: Ein Beispiel ... 125

9.4 ... Dein Projekt ... 131

Anhang ... 137

Nachwort ... 137

Datensammlung ... 137

Danksagung ... 139

Über Paul Wilmott ... 140

Index ... 141