Ausführbare Python-Anleitungen

KI-Konzepte in Python

Lerne, wie neuronale Netze, maschinelles Lernen, Transformer und klassische KI funktionieren - mit kurzen, ausführbaren Python-Lektionen ganz ohne KI-Bibliotheken.

KI-Konzepte in Python online ausführen

14 ausführbare Beispiele

Neuronen und Aktivierungsfunktionen in Python

Baue ein künstliches Neuron in reinem Python: eine gewichtete Summe der Eingaben plus Bias, die durch Sigmoid oder ReLU läuft.

Beispiel ansehen →

Vorwärtsdurchlauf und Verlustfunktionen in Python

Schicke Eingaben Schicht für Schicht durch ein kleines neuronales Netz und miss den Fehler mit quadratischem Fehler und Kreuzentropie.

Beispiel ansehen →

Gradientenabstieg und Backpropagation in Python

Trainiere ein Neuron mit Gradientenabstieg: Finde mit der Kettenregel heraus, wie jedes Gewicht den Verlust beeinflusst, und gehe bergab.

Beispiel ansehen →

Optimierer für neuronale Netze: SGD, Momentum und Adam in Python

Vergleiche einfachen Gradientenabstieg, Momentum und Adam, indem alle drei Schritt für Schritt dieselbe Funktion minimieren.

Beispiel ansehen →

Datenvorbereitung für maschinelles Lernen in Python

Skaliere Merkmale mit Min-Max-Normalisierung und Z-Score-Standardisierung und multipliziere Matrizen von Hand.

Beispiel ansehen →

Lineare und logistische Regression in Python

Passe mit der Methode der kleinsten Quadrate eine Gerade an und verwandle dann mit logistischer Regression einen Score in eine Wahrscheinlichkeit.

Beispiel ansehen →

Grundlagen der Klassifikation: Softmax und k-nächste Nachbarn in Python

Verwandle Scores mit Softmax in Klassenwahrscheinlichkeiten, bewerte sie mit Kreuzentropie und klassifiziere Punkte mit k-nächsten Nachbarn.

Beispiel ansehen →

Kosinus-Ähnlichkeit und k-Means-Clustering in Python

Miss mit der Kosinus-Ähnlichkeit, wie ähnlich zwei Vektoren sind, und gruppiere unbeschriftete Daten mit k-Means.

Beispiel ansehen →

Tokenisierung: Vokabular, One-Hot und Byte Pair Encoding in Python

Verwandle Text in Zahlen wie Sprachmodelle: Baue ein Vokabular, kodiere Wörter als One-Hot und lerne Teilwort-Tokens mit BPE.

Beispiel ansehen →

Attention und Self-Attention in Python

Berechne Scaled Dot-Product Attention von Hand mit Queries, Keys und Values und füge dann eine kausale Maske wie bei GPT hinzu.

Beispiel ansehen →

Wie Sprachmodelle Text erzeugen: Temperature und Top-k in Python

Sieh dir an, wie ein Sprachmodell das nächste Token wählt: Layer Normalization, Temperature und Top-k-Sampling in reinem Python.

Beispiel ansehen →

Suche und Spiele-KI: A* und Minimax in Python

Finde mit der A*-Suche den kürzesten Weg auf einem Gitter und wähle mit Minimax den besten Zug in einem Spiel.

Beispiel ansehen →

Markow-Ketten und der Kompromiss zwischen Erkunden und Ausnutzen in Python

Sage künftige Zustände mit einer Markow-Kette voraus und balanciere Erkunden und Ausnutzen mit einem Epsilon-Greedy-Banditen.

Beispiel ansehen →

Bestärkendes Lernen: Value Iteration und Q-Learning in Python

Bring einem Agenten bei, ein Ziel zu erreichen: Berechne Zustandswerte mit Value Iteration und lerne sie dann durch Versuch und Irrtum mit Q-Learning.

Beispiel ansehen →