---

Ihr Einstieg in die KI-Plattform von Microsoft

Einstieg, Konzepte, Codebeispiele und Werkzeuge
Überblick über neuronale Netze, Machine Learning, Deep Learning
Cloud-Umgebungen für die Data Science- und Ki-Entwicklung

Auf der Azure-Plattform stellt Ihnen Microsoft eine Vielzahl an KI-Werkzeugen zur Verfügung. Diese vorkonfigurierten Dienste sowie die APIs für unterschiedliche Anwendungszwecke erleichtern Ihnen die Umsetzung eigener Deep-Learning-Projekte und verhelfen Ihnen zu einem schnellen Start in die KI-Entwicklung. Dieser praxisorientierte Guide bietet Ihnen eine übersichtliche Einführung in neuronale Netze und Machine Learning - geschrieben von Microsoft-Autoren, die an der Entwicklung der Azure-KI-Werkzeuge beteiligt waren und sie genau kennen.

Aus dem Inhalt:

KI, Deep Learning, Machine Learning: Eine Einführung
Der Deep Learning Workflow: Daten vorbereiten, Modelle trainieren, Ergebnisse auswerten
Einsatzgebiete und Anwendungsszenarien
Azure AI: Microsofts KI-Plattform
Cognitive Service: Visuelle Bildanalyse, Spracherkennung, Spracheingabe, Übersetzung
Überblick über neuronale Netze, Aktivierungsfunktionen, KI-Techniken
Convolutional und Recurrent Neural Networks
KI-Architekturen und Best Practices

---

Salvaris, Mathew
Dr. Mathew Salvaris ist Senior Data Scientist bei Microsoft im Azure CAT, wo er in einem Team aus Datenwissenschaftlern und Ingenieuren arbeitet, das auf der Cloud-KI-Plattform von Microsoft Machine-Learning- und KI-Lösungen für externe Unternehmen entwickelt.

Dean, Danielle
Dr. Danielle Dean ist Principal Data Science Lead bei Microsoft im Azure CAT, wo sie ein Team aus Datenwissenschaftlern und Ingenieuren leitet, das auf der Cloud-KI-Plattform von Microsoft zusammen mit externen Unternehmen Lösungen für künstliche Intelligenz entwickelt.

Tok, Wee Hyong
Dr. Wee Hyong Tok ist Principal Data Science Manager bei Microsoft im Bereich Cloud und KI. Er leitet das Team "AI for Earth Engineering and Data Science" mit Datenwissenschaftlern und Ingenieuren, die daran arbeiten, die Grenzen moderner Deep-Learning-Algorithmen und -Systeme zu erweitern. Sein Team arbeitet umfassend mit Deep-Learning-Frameworks, von TensorFlow über CNTK und Keras bis hin zu PyTorch.

---