Neuronale Netze
Künstliche neuronale Netze sind die Grundlage der meisten modernen KI-Systeme — von Bilderkennung bis ChatGPT. Du baust ein einfaches Netz mit Neuronen, Schichten und Gewichten und lernst Forward Propagation und die Grundidee der Backpropagation kennen.
Voraussetzungen aus dem OOP-Lernpfad:
- Klassen und Objekte — Netz, Schicht und Neuron sind eigene Klassen
- Assoziation — Netz „hat" Schichten, Schicht „hat" Neuronen (1:n-Beziehung)
- Vererbung — Sigmoid und ReLU sind Aktivierungsfunktionen (Polymorphie)
- Felder — Gewichte werden in Feldern gespeichert
- Methoden — Forward Propagation wird modularisiert
- Empfohlen: Polymorphie und Schnittstellen aus den Erweiterungen — der Text erklärt das Nötige aber auch ohne dieses Kapitel.
Die Lektionen
- Neuronen und Schichten – der Baustein und der Aufbau
- Gewichte und Aktivierung – wie ein Neuron rechnet
- Forward Propagation – wie Daten durch das Netz fließen
- Die Grundidee der Backpropagation – wie das Netz lernt
- Ein einfaches Netz – alles zusammengebaut
- Rückblick – das Wichtigste auf einen Blick