Grundlagen der Künstlichen Intelligenz (eBook)

Vorwort 4
Inhaltsverzeichnis 7
Über den Autor 11
Einführung 12
Begleitendes Material 16
Kapitel1: KI-Grundlagen 17
Alan Turing und der Turing-Test 18
Das Gehirn ist eine … Maschine? 21
Kybernetik 22
Die Entstehungsgeschichte 22
Goldenes Zeitalter der KI 24
KI-Winter 28
Aufstieg und Fall der Expertensysteme 30
Neuronale Netze und Deep Learning 31
Technologische Triebkräfte der modernen KI 33
Struktur von KI 33
Schlussfolgerung 34
Wichtigste Erkenntnisse 34
Kapitel 2: Daten 36
Daten-Grundlagen 37
Arten von Daten 38
Big Data 40
Volume 41
Variety 41
Velocity 41
Datenbanken und andere Tools 42
Datenprozess 46
Schritt 1 – Geschäftsverständnis 48
Schritt 2 – Datenverständnis 50
Schritt 3 – Vorbereitung der Daten 51
Ethik und Governance 53
Wie viele Daten brauchen Sie für KI? 55
Weitere Datenbegriffe und -konzepte 55
Schlussfolgerung 57
Wichtigste Erkenntnisse 57
Kapitel 3: Maschinelles Lernen 59
Was ist maschinelles Lernen? 61
Standardabweichung 63
Die Normalverteilung 63
Bayes-Theorem 64
Korrelation 65
Merkmalsextraktion 66
Was können Sie mit maschinellem Lernen erreichen? 67
Der Prozess des maschinellen Lernens 70
Schritt 1 – Datenreihenfolge 70
Schritt 2 – Auswahl des Modells 70
Schritt 3 – Training des Modells 70
Schritt 4 – Bewertung des Modells 71
Schritt 5 – Feinabstimmung des Modells 71
Anwendung von Algorithmen 71
Überwachtes Lernen 72
Unüberwachtes Lernen 73
Verstärkendes Lernen 75
Teilüberwachtes Lernen 76
Gängige Arten von Algorithmen für maschinelles Lernen 76
Naiver Bayes-Klassifikator (Überwachtes Lernen/Klassifizierung) 77
k-Nearest Neighbor (Überwachtes Lernen/Klassifizierung) 80
Lineare Regression (Überwachtes Lernen/Regression) 80
Entscheidungsbaum (Überwachtes Lernen/Regression) 82
Ensemble-Modellierung (Überwachtes Lernen/Regression) 83
k-Means-Clustering (Unüberwacht/Clustering) 85
Schlussfolgerung 88
Wichtigste Erkenntnisse 89
Kapitel 4: Deep Learning 92
Der Unterschied zwischen Deep Learning und maschinellem Lernen 93
Was ist Deep Learning? 94
Das Gehirn und Deep Learning 95
Künstliche neuronale Netze (Artificial Neural Networks, ANNs) 96
Backpropagation 98
Die verschiedenen neuronalen Netze 99
Rekurrentes neuronales Netz (RNN) 100
Convolutional Neural Network (CNN) 101
Generative Adversarial Network (GAN) 102
Deep-Learning-Anwendungen 104
Anwendungsfall: Erkennung der Alzheimer-Krankheit 104
Anwendungsfall: Energie 105
Anwendungsfall: Erdbeben 106
Anwendungsfall: Radiologie 107
Deep-Learning-Hardware 107
Wann sollte man Deep Learning einsetzen? 109
Nachteile von Deep Learning 111
Schlussfolgerung 114
Wichtigste Erkenntnisse 114
Kapitel 5: Robotic Process Automation (RPA) 116
Was ist RPA? 118
Vor- und Nachteile von RPA 119
Was können Sie von RPA erwarten? 121
Wie man RPA implementiert 123
Bestimmung der richtigen zu automatisierenden Funktionen 123
Bewertung der Prozesse 124
Auswahl des RPA-Anbietenden und Einsatz der Software 125
Einrichten eines Teams für die Verwaltung der RPA-Plattform 125
RPA und KI 126
RPA in der realen Welt 127
Schlussfolgerung 128
Wichtigste Erkenntnisse 128
Kapitel 6: Natural Language Processing (NLP) 130
Die Herausforderungen des NLP 132
Verstehen, wie KI Sprache übersetzt 133
Schritt 1 – Bereinigung und Vorverarbeitung 134
Tokenisierung 134
Stemming 135
Lemmatisierung 136
Schritt 2 – Sprache verstehen und generieren 137
Spracherkennung 138
NLP in der realen Welt 139
Anwendungsfall: Verbesserung der Verkäufe 140
Anwendungsfall: Bekämpfung von Depressionen 141
Anwendungsfall: Erstellung von Inhalten 141
Anwendungsfall: Körpersprache 143
Voice Commerce 144
Virtuelle Assistenten 146
Chatbots 148
Zukunft des NLP 152
Schlussfolgerung 152
Wichtigste Erkenntnisse 153
Kapitel 7: Physische Roboter 154
Was ist ein Roboter? 155
Industrielle und kommerzielle Roboter 158
Roboter in der realen Welt 163
Anwendungsfall: Sicherheit 163
Anwendungsfall: Roboter, die Böden schrubben 164
Anwendungsfall: Online-Apotheke 164
Anwendungsfall: Roboter-Wissenschaftler 165
Humanoide und Haushaltsroboter 166
Die Drei Gesetze der Robotik 167
Cybersecurity und Roboter 168
Programmierung von Robotern für KI 169
Die Zukunft von Robotern 171
Schlussfolgerung 172
Wichtigste Erkenntnisse 172
Kapitel 8: Implementierung von KI 174
Ansätze zur Implementierung von KI 175
Die Schritte zur KI-Implementierung 178
Identifikation eines zu lösenden Problems 178
Zusammenstellung des Teams 181
Die richtigen Tools und Plattformen 182
Python-Sprache 183
KI-Frameworks 184
Einsatz und Überwachung des KI-Systems 189
Schlussfolgerung 190
Wichtigste Erkenntnisse 191
Kapitel 9: Die Zukunft der KI 193
Autonome Autos 195
USA gegen China 199
Technologische Arbeitslosigkeit 201
Die Nutzung der KI als Waffe 203
Entdeckung von Medikamenten 204
Regierung 206
Künstliche Allgemeine Intelligenz (Artificial General Intelligence, AGI) 207
Soziales Wohl 209
Schlussfolgerung 209
Wichtigste Erkenntnisse 210
Anhang AKI-Ressourcen 212
Publikationen und Blogs, die über KI berichten 212
Blogs von Unternehmen zu KI 212
Twitter-Feeds von Top-KI-Forschenden 213
Open-Source-KI-Tools und -Plattformen 213
Online-Kurse 213
Anhang BGlossar 214