Produkt zum Begriff Fortschritt:
-
Ekman, Magnus: Learning Deep Learning
Learning Deep Learning , NVIDIA's Full-Color Guide to Deep Learning: All StudentsNeed to Get Started and Get Results Learning Deep Learning is a complete guide to DL.Illuminating both the core concepts and the hands-on programming techniquesneeded to succeed, this book suits seasoned developers, data scientists,analysts, but also those with no prior machine learning or statisticsexperience. After introducing the essential building blocks of deep neural networks, such as artificial neurons and fully connected, convolutional, and recurrent layers,Magnus Ekman shows how to use them to build advanced architectures, includingthe Transformer. He describes how these concepts are used to build modernnetworks for computer vision and natural language processing (NLP), includingMask R-CNN, GPT, and BERT. And he explains how a natural language translatorand a system generating natural language descriptions of images. Throughout, Ekman provides concise, well-annotated code examples usingTensorFlow with Keras. Corresponding PyTorch examples are provided online, andthe book thereby covers the two dominating Python libraries for DL used inindustry and academia. He concludes with an introduction to neural architecturesearch (NAS), exploring important ethical issues and providing resources forfurther learning. Exploreand master core concepts: perceptrons, gradient-based learning, sigmoidneurons, and back propagation See how DL frameworks make it easier to developmore complicated and useful neural networks Discover how convolutional neuralnetworks (CNNs) revolutionize image classification and analysis Apply recurrentneural networks (RNNs) and long short-term memory (LSTM) to text and othervariable-length sequences Master NLP with sequence-to-sequence networks and theTransformer architecture Build applications for natural language translation andimage captioning , >
Preis: 49.28 € | Versand*: 0 € -
Zuckermann, Moshe: Fortschritt
Fortschritt , "Die Weltgeschichte ist der Fortschritt im Bewusstsein der Freiheit, - ein Fortschritt, den wir in seiner Notwendigkeit zu erkennen haben", sagte Hegel. Dieses Diktum darf als paradigmatisch gelten für den Fortschrittsoptimismus der Aufklärung. Aber unabweisbare Errungenschaften des Fortschritts in allen Lebensbereichen gingen von Anbeginn mit Schattenseiten ebendesselben Fortschritts einher. Moshe Zuckermann geht in seinem Essay dieser Dialektik nach. Im ersten Teil zeichnet er panoramisch die theoretischen Dimensionen, Bestrebungen und Widersprüche von Moderne, Aufklärung und Fortschritt nach. Im zweiten Teil befasst er sich mit empirischen Auswirkungen dieses Gesamtkomplexes auf die Bereiche der Politik, der Gesellschaft, der Technik, der Kunst und des Alltags. , Bücher > Bücher & Zeitschriften
Preis: 20.00 € | Versand*: 0 € -
Zeigermann, Oliver: Machine Learning - kurz & gut
Machine Learning - kurz & gut , Der kompakte Schnelleinstieg in Machine Learning und Deep Learning Die 3. Auflage des Bestsellers wurde ergänzt durch Kapitel zu Large Language Models wie ChatGPT und zu MLOps Anhand konkreter Datensätze lernen Sie einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung Nicht nur für zukünftige Data Scientists und ML-Profis geeignet, sondern durch seine durchdachte Didaktik auch für Interessierte, die nur am Rande mit ML zu tun haben, wie z.B. Softwareentwickler*innen Machine Learning beeinflusst heute beinahe alle Bereiche der Technik und der Gesellschaft. Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des maschinellen Lernens und der statistischen Datenanalyse. Dabei werden alle wesentlichen Themen abgedeckt und mit praktischen Beispielen in Python illustriert. Verwendet werden dabei die Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras. Nach der Lektüre dieses Buchs haben Sie einen Überblick über das gesamte Thema und können Ansätze einordnen und bewerten. Das Buch vermittelt Ihnen eine solide Grundlage, um Ihre ersten eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen. Die aktualisierte 3. Auflage behandelt jetzt auch Large Language Models wie z.B. ChatGPT und MLOps. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 19.90 € | Versand*: 0 € -
Raschka, Sebastian: Machine Learning Q and AI
Machine Learning Q and AI , "An advanced exploration of machine learning and AI, with each chapter asking and answering a question from the field. Divided into five sections: deep learning and neural networks; computer vision; natural language processing; production and deployment; and predictive performance and model evaluation"-- , >
Preis: 37.30 € | Versand*: 0 €
-
Ist Machine Learning bereits künstliche Intelligenz?
Machine Learning ist ein Teilgebiet der künstlichen Intelligenz. Es befasst sich mit der Entwicklung von Algorithmen und Modellen, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen zu treffen. Künstliche Intelligenz umfasst jedoch auch andere Bereiche wie Expertensysteme, natürliche Sprachverarbeitung und Robotik.
-
Wie beeinflusst Machine Learning den Fortschritt in der Automatisierung von Prozessen?
Machine Learning ermöglicht die Entwicklung von intelligenten Systemen, die in der Lage sind, Muster und Zusammenhänge in großen Datenmengen zu erkennen. Dadurch können Prozesse automatisiert werden, die zuvor menschliche Intervention erforderten. Dies führt zu einer effizienteren und präziseren Automatisierung von Prozessen.
-
Warum Deep Learning im Vergleich zu Machine Learning?
Deep Learning unterscheidet sich von Machine Learning durch seine Fähigkeit, automatisch Merkmale aus den Daten zu extrahieren, anstatt dass diese manuell definiert werden müssen. Dadurch ist Deep Learning in der Lage, komplexere und abstraktere Muster in den Daten zu erkennen und zu lernen. Dies ermöglicht es Deep Learning-Modellen, in vielen Anwendungsbereichen, wie Bild- und Spracherkennung, bessere Leistungen zu erzielen als herkömmliche Machine Learning-Modelle.
-
Was ist der Unterschied zwischen Deep Learning und Machine Learning?
Deep Learning ist eine spezielle Methode des Machine Learning, die auf künstlichen neuronalen Netzwerken basiert. Es ermöglicht das Lernen von hierarchischen und komplexen Merkmalsdarstellungen, um automatisch Muster und Strukturen in Daten zu erkennen. Im Gegensatz dazu ist Machine Learning ein breiterer Begriff, der verschiedene Algorithmen und Techniken umfasst, um Computermodelle zu erstellen, die aus Daten lernen und Vorhersagen treffen können. Deep Learning ist also eine Teilmenge des Machine Learning.
Ähnliche Suchbegriffe für Fortschritt:
-
Jaeggi, Rahel: Fortschritt und Regression
Fortschritt und Regression , Fortschritt ist sozialer Wandel hin zu einer Situation, in der die Verhältnisse nicht nur anders, sondern besser werden - etwa dadurch, dass die Sklaverei abgeschafft wird oder die Vergewaltigung in der Ehe als Verbrechen gilt. Viele würden dem zustimmen, und doch hat die Vorstellung eines generellen gesellschaftlichen Fortschritts ihren Glanz verloren. Sie ruft sogar Skepsis hervor. Hingegen wächst die Neigung, etwa die Zunahme autoritärer Ressentiments und rechtspopulistischer Bewegungen als eine Art von Regression zu bewerten. Rahel Jaeggi verteidigt in ihrem Buch das Begriffspaar Fortschritt und Regression als unverzichtbares sozialphilosophisches Werkzeug für die Diagnose und Kritik unserer Zeit. Als fortschrittlich oder regressiv versteht sie nicht nur das Resultat, sondern vor allem die Gestalt der gesellschaftlichen Transformationsprozesse selbst. Indem sie nach den Dynamiken sozialen Wandels fragt sowie nach den Erfahrungsblockaden, die regressiven Tendenzen Vorschub leisten, entwickelt sie einen Begriff des Fortschritts, der materialistisch und plural, also durch und durch emanzipativ und zeitgemäß ist. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen , Produktform: Leinen, Thema: Auseinandersetzen, Thema: Verstehen, Text Sprache: ger, Breite: 126, Höhe: 28, Gewicht: 416, Produktform: Gebunden, Genre: Geisteswissenschaften/Kunst/Musik, Katalog: Kennzeichnung von Titeln mit einer Relevanz > 30, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0160, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel, WolkenId: 1722758
Preis: 28.00 € | Versand*: 0 € -
Fortschritt und Armut (George, Henry)
Fortschritt und Armut , Henry George, der bedeutende Bodenreform-Theoretiker, wurde verschiedentlich als der letzte große klassische Ökonom bezeichnet. Das Hauptwerk von Henry George war über Dekaden hinweg eines der am meisten gelesenen Bücher. Die auf den Arbeiten von Henry George beruhende Denkschule wird auch "Geoklassik" genannt. Ausgangspunkt seiner Untersuchungen war die Fragestellung, warum gerade in den sich entwickelnden Industriegesellschaften trotz eines enormen Anstiegs der Produktivität die Armut überhandnahm. Henry George nahm dabei in vielerlei Hinsicht die Ideen der französischen Physiokraten wieder auf, ging allerdings gedanklich weit über diese hinaus. Er betrachtete - ähnlich wie die Physiokraten - Boden (incl. Natur) und Arbeit als die originären, und Kapital lediglich als einen abgeleiteten Produktionsfaktor. Damit steht das Werk von Henry George der neoklassischen Lehre diametral entgegen, welche die bis heute weitgehend "bodenlose" Wirtschaftswissenschaft prägt. Obwohl Henry George zwar das Privateigentum an Grund und Boden grundsätzlich ablehnte, wollte er es aus politisch-pragmatischen Gründen nicht abschaffen. Stattdessen sollte es über die Wegsteuerung der Bodenerträge "entkernt" werden. Zwar ist in Deutschland das Werk von Henry George weitgehend in Vergessenheit geraten, doch hat es v.a. in den angelsächsischen Ländern einen bleibenden Eindruck hinterlassen. Darüber hinaus beinhaltet insbesondere die ökonomische Verfassung der asiatischen "Tigerstaaten" geoklassische Elemente. Allen voran zu nennen sind Hong Kong und Singapur, die ihre Staatsfinanzen zu einem großen Teil aus der Abschöpfung der Erträge und Werte des vornehmlich in staatlichem Eigentum liegenden Bodens bestreiten und im Gegenzug die konventionellen Steuern minimiert haben. So konnten sich diese Standorte innerhalb weniger Jahrzehnte von unbedeutenden Ansiedlungen zu Weltzentren von Handel und Finanzen entwickeln. Diese Ausgabe von "Fortschritt und Armut" macht das Hauptwerk von Henry George nach vielen Jahrzehnten erneut in deutscher Sprache zugänglich. , Bücher > Bücher & Zeitschriften , Auflage: 2. Auflage, Erscheinungsjahr: 20230120, Produktform: Leinen, Autoren: George, Henry, Redaktion: Löhr, Dirk, Übersetzung: Gütschow, C.D.F.~Plassmann, Florenz~Löhr, Dirk, Auflage: 23002, Auflage/Ausgabe: 2. Auflage, Keyword: Grundrente, Fachschema: Produktion~Wirtschaftstheorie, Warengruppe: HC/Volkswirtschaft, Fachkategorie: Wirtschaftstheorie und -philosophie, Text Sprache: ger, Seitenanzahl: XXXIV, Seitenanzahl: 480, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Verlag: Metropolis Verlag, Verlag: Metropolis Verlag, Verlag: Metropolis-Verlag fr konomie, Gesellschaft und Politik GmbH, Länge: 229, Breite: 156, Höhe: 40, Gewicht: 912, Produktform: Gebunden, Genre: Sozialwissenschaften/Recht/Wirtschaft, Genre: Sozialwissenschaften/Recht/Wirtschaft, Vorgänger: 9211292, Vorgänger EAN: 9783731612490, Herkunftsland: DEUTSCHLAND (DE), Katalog: deutschsprachige Titel, Katalog: Gesamtkatalog, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0008, Tendenz: +1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel,
Preis: 38.00 € | Versand*: 0 € -
Bishop, Christopher M.: Deep Learning
Deep Learning , This book offers a comprehensive introduction to the central ideas that underpin deep learning. It is intended both for newcomers to machine learning and for those already experienced in the field. Covering key concepts relating to contemporary architectures and techniques, this essential book equips readers with a robust foundation for potential future specialization. The field of deep learning is undergoing rapid evolution, and therefore this book focusses on ideas that are likely to endure the test of time. The book is organized into numerous bite-sized chapters, each exploring a distinct topic, and the narrative follows a linear progression, with each chapter building upon content from its predecessors. This structure is well-suited to teaching a two-semester undergraduate or postgraduate machine learning course, while remaining equally relevant to those engaged in active research or in self-study. A full understanding of machine learning requires some mathematical background and so the book includes a self-contained introduction to probability theory. However, the focus of the book is on conveying a clear understanding of ideas, with emphasis on the real-world practical value of techniques rather than on abstract theory. Complex concepts are therefore presented from multiple complementary perspectives including textual descriptions, diagrams, mathematical formulae, and pseudo-code. Chris Bishop is a Technical Fellow at Microsoft and is the Director of Microsoft Research AI4Science. He is a Fellow of Darwin College Cambridge, a Fellow of the Royal Academy of Engineering, and a Fellow of the Royal Society. Hugh Bishop is an Applied Scientist at Wayve, a deep learning autonomous driving company in London, where he designs and trains deep neural networks. He completed his MPhil in Machine Learning and Machine Intelligence at Cambridge University. ¿Chris Bishop wrote a terrific textbook on neural networks in 1995 and has a deep knowledge of the field and its core ideas. His many years of experience in explaining neural networks have made him extremely skillful at presenting complicated ideas in the simplest possible way and it is a delight to see these skills applied to the revolutionary new developments in the field.¿ -- Geoffrey Hinton "With the recent explosion of deep learning and AI as a research topic, and the quickly growing importance of AI applications, a modern textbook on the topic was badly needed. The "New Bishop" masterfully fills the gap, covering algorithms for supervised and unsupervised learning, modern deep learning architecture families, as well as how to apply all of this to various application areas." ¿ Yann LeCun ¿This excellent and very educational book will bring the reader up to date with the main concepts and advances in deep learning with a solid anchoring in probability. These concepts are powering current industrial AI systems and are likely to form the basis of further advances towards artificial general intelligence.¿ -- Yoshua Bengio , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 75.37 € | Versand*: 0 € -
Chabert, Antoine: SAP Analytics Cloud: Predictive Analytics
SAP Analytics Cloud: Predictive Analytics , Today's organizations must be prepared for tomorrow's events. Forecast future behavior in SAP Analytics Cloud with this comprehensive guide to predictive analytics! Start by learning about the data types, scenarios, and methods used in predictive analytics projects. Then follow step-by-step instructions to build, analyze, and apply predictive models to your business data using classification, time series forecasting, and regression analysis. Automate your models and dive into the data science with this all-in-one guide! In this book, you'll learn about: a. Predictive Scenarios and Projects Understand the basics of predictive analytics in SAP Analytics Cloud: scenarios, data types, and actions. Then plan your predictive project, including identifying the key stakeholders and reviewing the methodology. b. Build, Train, Analyze, and Apply Master predictive models from end to end. Create classification, time series, and regression models; then train them to identify business patterns. Analyze and apply the results of your models to data in SAP Analytics Cloud. c. Practical Demonstrations See predictive analytics in action! Identify use cases for predictive modeling. For each data model, understand practical applications through curated examples with sample business data. Highlights include: 1) Predictive scenarios 2) Predictive forecasts 3) Data modeling 4) Planning 5) Time series model 6) Classification model 7) Regression model 8) Multi-actions 9) Data science 10) Stories and dashboards , Schule & Ausbildung > Fachbücher, Lernen & Nachschlagen
Preis: 81.99 € | Versand*: 0 €
-
Wie kann man sich selbst Machine Learning, Künstliche Intelligenz und Natural Language Processing beibringen?
Um sich selbst Machine Learning, Künstliche Intelligenz und Natural Language Processing beizubringen, gibt es verschiedene Möglichkeiten. Man kann Online-Kurse und Tutorials nutzen, um die Grundlagen zu erlernen und praktische Erfahrungen zu sammeln. Es ist auch hilfreich, an Projekten zu arbeiten und mit vorhandenen Tools und Bibliotheken zu experimentieren. Zudem kann der Austausch mit anderen Fachleuten in Foren und Communitys dabei helfen, Fragen zu klären und neue Ideen zu entwickeln.
-
Wie können moderne Technologien wie Machine Learning und künstliche Intelligenz zur Automobilanalyse eingesetzt werden?
Moderne Technologien wie Machine Learning und künstliche Intelligenz können zur Automobilanalyse eingesetzt werden, um große Mengen von Daten zu verarbeiten und Muster zu erkennen. Sie können dabei helfen, Fahrzeugdiagnosen schneller und genauer durchzuführen sowie präventive Wartungsmaßnahmen vorherzusagen. Zudem können sie zur Verbesserung der Fahrzeugsicherheit und Effizienz beitragen, indem sie Verkehrsdaten analysieren und Fahrerassistenzsysteme optimieren.
-
Wie beeinflusst Machine Learning die Entwicklung von künstlicher Intelligenz?
Machine Learning ist ein Teilgebiet der künstlichen Intelligenz, das es Computern ermöglicht, aus Daten zu lernen und Muster zu erkennen. Durch Machine Learning können Algorithmen verbessert und optimiert werden, um intelligenter zu werden. Somit trägt Machine Learning maßgeblich zur Weiterentwicklung und Verbesserung von künstlicher Intelligenz bei.
-
Hat Machine Learning wirklich etwas mit künstlicher Intelligenz zu tun?
Ja, Machine Learning ist ein Teilgebiet der künstlichen Intelligenz. Es befasst sich mit der Entwicklung von Algorithmen und Modellen, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen oder Entscheidungen zu treffen. Machine Learning ist eine Methode, um künstliche Intelligenz zu erreichen, indem Computer in der Lage sind, Aufgaben zu erlernen und auszuführen, für die normalerweise menschliche Intelligenz erforderlich ist.
* Alle Preise verstehen sich inklusive der gesetzlichen Mehrwertsteuer und ggf. zuzüglich Versandkosten. Die Angebotsinformationen basieren auf den Angaben des jeweiligen Shops und werden über automatisierte Prozesse aktualisiert. Eine Aktualisierung in Echtzeit findet nicht statt, so dass es im Einzelfall zu Abweichungen kommen kann.