| Inhalt | 5 |
| Einführung | 9 |
| Kapitel 1: Wie neuronale Netze arbeiten | 15 |
| Leicht für mich – schwer für dich | 15 |
| Eine einfache Vorhersagemaschine | 17 |
| Klassifizieren unterscheidet sich nicht sehr vom Vorhersagen | 22 |
| Einen einfachen Klassifizierer trainieren | 28 |
| Manchmal ist ein Klassifizierer nicht genug | 38 |
| Neuronen – die Rechenmaschinen der Natur | 44 |
| Signalen durch ein neuronales Netz folgen | 53 |
| Matrizenmultiplikation ist nützlich – ehrlich! | 58 |
| Beispiel: Ein dreischichtiges Netz mit Matrizenmultiplikation | 65 |
| Gewichte von mehr als einem Knoten lernen | 73 |
| Fehler von mehreren Ausgabeknoten zurückführen | 75 |
| Fehler auf mehrere Schichten zurückführen | 77 |
| Backpropagierung von Fehlern mit Matrizenmultiplikation | 81 |
| Wie aktualisieren wir eigentlich die Gewichte? | 84 |
| Gewichtsaktualisierung am konkreten Beispiel | 102 |
| Die Daten vorbereiten | 103 |
| Eingaben | 103 |
| Ausgaben | 104 |
| Zufällige Anfangswerte | 105 |
| Kapitel 2: Do it yourself mit Python | 109 |
| Python | 109 |
| Interaktives Python = IPython | 110 |
| Ein sehr sanfter Start mit Python | 111 |
| Notebooks | 111 |
| Einfaches Python | 113 |
| Arbeiten automatisieren | 115 |
| Kommentare | 118 |
| Funktionen | 118 |
| Arrays | 121 |
| Arrays grafisch darstellen | 124 |
| Objekte | 126 |
| Neuronales Netz mit Python | 132 |
| Der Gerüstcode | 132 |
| Das Netz initialisieren | 133 |
| Gewichte – das Herz des Netzes | 135 |
| Optional: differenzierte Initialisierung der Gewichte | 137 |
| Das Netz abfragen | 138 |
| Der aktuelle Stand des Codes | 140 |
| Das Netz trainieren | 143 |
| Der vollständige Code für das neuronale Netz | 146 |
| Die MNIST-Datenbank mit handgeschriebenen Ziffern | 147 |
| Die MNIST-Trainingsdaten vorbereiten | 155 |
| Das Netz testen | 162 |
| Mit sämtlichen Datensätzen trainieren und testen | 166 |
| Verbesserungen: Optimieren der Lernrate | 167 |
| Verbesserungen: Mehrere Läufe | 169 |
| Die Gestalt des Netzes ändern | 171 |
| Gute Arbeit! | 173 |
| Der endgültige Code | 174 |
| Kapitel 3: Just for fun: Das neuronale Netz tunen | 179 |
| Ihre eigene Handschrift | 179 |
| Das Gedächtnis eines neuronalen Netzes | 182 |
| Geheimnisvolle Blackbox | 182 |
| Rückwärtsabfrage | 183 |
| Die Kennung »0« | 184 |
| Weitere Hirnscans | 185 |
| Neue Trainingsdaten erzeugen: Drehungen | 187 |
| Epilog | 191 |
| Anhang A: Eine leicht verständliche Einführung in die Analysis | 193 |
| Eine Gerade | 194 |
| Eine schräg verlaufende Gerade | 196 |
| Eine gekrümmte Kurve | 198 |
| Analysis per Hand | 200 |
| Analysis nicht per Hand | 202 |
| Analysis, ohne Graphen zu zeichnen | 205 |
| Muster | 208 |
| Funktionen von Funktionen | 210 |
| Sie können Analysis betreiben! | 213 |
| Anhang B: Das Ganze mit einem Raspberry Pi | 215 |
| IPython installieren | 216 |
| Vergewissern, dass alles funktioniert | 223 |
| Ein neuronales Netz trainieren und testen | 224 |
| Erfolg für Raspberry Pi! | 225 |
| Index | 227 |
| Über den Autor | 231 |
| Kolophon | 231 |
| www.oreilly.de | 0 |
