In diesem Buch wird kurz auf die theoretischen Grundlagen neuronaler Netze eingegangen, beginnend mit den grundlegenden Prinzipien der Funktionsweise eines Neurons und seiner Ähnlichkeit mit dem biologischen Teil, wobei die Axone (Eingänge), die Eingangsgewichte, die Vorspannung, der Neuronenkörper, die Aktivierungsfunktion und die Axonausgangsfunktion erklärt werden. Anschließend werden die Architektur eines mehrschichtigen neuronalen Netzes und der Lernprozess des neuronalen Netzes mit Hilfe der Funktionen Backpropagation und Feedforward-Propagation beschrieben. Schließlich wird ein neuronales Netz von Grund auf trainiert, um dem Leser auf einfache Weise zu zeigen, wie man ein neuronales Netz entwirft und welche Prozesse beim Lernen ablaufen. Anschließend wird ein Problem für die Erkennung der Kraut- und Knollenfäule in Kartoffelkulturen definiert. Der theoretische Hintergrund eines Faltungsnetzes und Definitionen im Zusammenhang mit der Kartoffelfäule werden vorgestellt. Anschließend wird dem Leser eine schrittweise Anleitung zur Erstellung eines Projekts in Jupyter-Lab für die Erkennung von Kraut- und Knollenfäule bei Kartoffeln gegeben.