Neuronale Netze mit C# programmieren
Mit praktischen Beispielen für Machine Learning im Unternehmenseinsatz
Entdecke diesen und 400.000 weitere Titel mit der Flatrate von Skoobe. Ab 12,99 € im Monat.
Beschreibung zu „Neuronale Netze mit C# programmieren“
NEURONALE NETZE MIT C# PROGRAMMIEREN //
- Aufbau und Training von neuronalen Netzen
- Wichtige Machine-Learning-Algorithmen verstehen und einsetzen
- Arbeiten mit ML.NET und Infer.NET
- Vorstellung des Open Source Framework TensorFlow.NET
- Erstellen eines Lex-Chatbot für .NET
- Alle Beispiele sind mit Visual Studio und C# umsetzbar
Sie wollen neuronale Netze und Machine-Learning-Algorithmen mit C# entwickeln? Dann finden Sie in diesem Buch eine gut verständliche Einführung in die Grundlagen und es wird Ihnen gezeigt, wie Sie neuronale Netze und Machine-Learning-Algorithmen in Ihren eigenen Projekten praktisch einsetzen.
Mithilfe von Beispielen erstellen und trainieren Sie Ihr erstes neuronales Netz zur vorausschauenden Wartung einer Produktionsmaschine.
Im Praxisteil lernen Sie dann, wie Sie TensorFlow-Modelle in ML.NET benutzen oder Infer.NET direkt verwenden können. Des Weiteren nutzen Sie die Predictive- und Sentiment-Analyse, um sich mit Machine-Learning-Algorithmen vertraut zu machen.
Alle im Buch vorgestellten Projekte sind in C# programmiert und stehen als Download zur Verfügung. Grundkenntnisse in C# werden für die Arbeit mit dem Buch vorausgesetzt. Alle Projekte lassen sich ohne größere Rechnerressourcen umsetzen.
AUS DEM INHALT //
Künstliche Intelligenz: Grundlagen/Konzepte und Methoden von Machine Learning/Neuronale Netze bauen und trainieren/Maschinensimulation mit
Multilayer Perceptron ( MLP )/Backpropagation/Recurrent Neural Networks/Convolutional Neural Networks/Machine Learning as a Service/Predictive Analytics/Objekterkennung/Sentiment-Analyse
Daniel Basler arbeitet als Lead Developer und Softwarearchitekt. Seine Schwerpunkte liegen auf Cross-Platform-Apps, Android, JavaScript und Microsoft-Technologien. Er entwickelt u.a. Software für Regal- und Flächenlagersysteme sowie Anlagenvisualisierung und setzt in diesem Umfeld verstärkt Machine-Learning-Methoden ein. Darüber hinaus schreibt er regelmäßig Artikel für die Fachzeitschriften dotnetpro und web&mobile Developer.
- Aufbau und Training von neuronalen Netzen
- Wichtige Machine-Learning-Algorithmen verstehen und einsetzen
- Arbeiten mit ML.NET und Infer.NET
- Vorstellung des Open Source Framework TensorFlow.NET
- Erstellen eines Lex-Chatbot für .NET
- Alle Beispiele sind mit Visual Studio und C# umsetzbar
Sie wollen neuronale Netze und Machine-Learning-Algorithmen mit C# entwickeln? Dann finden Sie in diesem Buch eine gut verständliche Einführung in die Grundlagen und es wird Ihnen gezeigt, wie Sie neuronale Netze und Machine-Learning-Algorithmen in Ihren eigenen Projekten praktisch einsetzen.
Mithilfe von Beispielen erstellen und trainieren Sie Ihr erstes neuronales Netz zur vorausschauenden Wartung einer Produktionsmaschine.
Im Praxisteil lernen Sie dann, wie Sie TensorFlow-Modelle in ML.NET benutzen oder Infer.NET direkt verwenden können. Des Weiteren nutzen Sie die Predictive- und Sentiment-Analyse, um sich mit Machine-Learning-Algorithmen vertraut zu machen.
Alle im Buch vorgestellten Projekte sind in C# programmiert und stehen als Download zur Verfügung. Grundkenntnisse in C# werden für die Arbeit mit dem Buch vorausgesetzt. Alle Projekte lassen sich ohne größere Rechnerressourcen umsetzen.
AUS DEM INHALT //
Künstliche Intelligenz: Grundlagen/Konzepte und Methoden von Machine Learning/Neuronale Netze bauen und trainieren/Maschinensimulation mit
Multilayer Perceptron ( MLP )/Backpropagation/Recurrent Neural Networks/Convolutional Neural Networks/Machine Learning as a Service/Predictive Analytics/Objekterkennung/Sentiment-Analyse
Daniel Basler arbeitet als Lead Developer und Softwarearchitekt. Seine Schwerpunkte liegen auf Cross-Platform-Apps, Android, JavaScript und Microsoft-Technologien. Er entwickelt u.a. Software für Regal- und Flächenlagersysteme sowie Anlagenvisualisierung und setzt in diesem Umfeld verstärkt Machine-Learning-Methoden ein. Darüber hinaus schreibt er regelmäßig Artikel für die Fachzeitschriften dotnetpro und web&mobile Developer.