Leseprobe
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Neuronale Netze. Geschichtliche Entwicklung, Aufbau und Anwendungsgebiete
Finn Floruß
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Sozialwissenschaften, Recht, Wirtschaft / Medien, Kommunikation
Beschreibung
Studienarbeit aus dem Jahr 2021 im Fachbereich BWL - Informationswissenschaften, Informationsmanagement, Note: 1,3, Duale Hochschule Baden-Württemberg Heidenheim, früher: Berufsakademie Heidenheim, Sprache: Deutsch, Abstract: Im Rahmen dieser Studienarbeit werden die Grundlagen von künstlichen neuronalen Netzen ausführlich von geschichtlicher Entwicklung über Aufbau bis hin zu Anwendungsgebieten erläutert, ehe am Beispiel von Pokerkarten ein solches Netz in Python beschrieben wird. In der heutigen Zeit sind verschiedene Formen künstlicher Intelligenz (KI) fest im Alltag verankert – von Sprachassistenten auf dem Smartphone über kooperative Roboter bis hin zu Technologien bezüglich des autonomen Fahrens greifen alle auf die künstliche Intelligenz zurück. Neben diesen Einsatzmöglichkeiten existieren noch unzählige weitere, wie beispielsweise Diagnosen im medizinischen Bereich oder die Erforschung des menschlichen Gehirns. Während in der „klassischen“ Programmierung von Software stets Regeln für alle verschiedenen Eintrittsfälle aufgestellt werden müssen, bieten künstliche neuronale Netze die Möglichkeit, sich durch Training mit großen Datensätzen selbst anzupassen und sind am Ende in der Lage Muster zu erkennen, Klassifizierungen vorzunehmen und vieles mehr. Hierzu sind herkömmlich entwickelte Programme nicht in der Lage, neuronale Netze aufgrund der Lernfähigkeit jedoch mit einem gewissen Fehlergrad schon. Trotz einer Anlehnung an biologische neuronale Netze, unterscheiden sich deren künstlich entwickelte Abbilder recht deutlich von der Vorlage.
Kundenbewertungen
Künstliche Intelligenz, Machine Learning, KI, Grundlagen, Python, Neuronale Netze, IT, Praxis, AI