Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt:
- Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet und der Hintergrund geliefert, um zu verstehen, wie und warum diese Algorithmen funktionieren.
- Ebenfalls enthalten ist ein kompakter Kickstart zur Verwendung von Python 3 (in Python programmieren) und seinem Ökosystem im Umfeld des maschinellen Lernens.
- Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt.
- Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen.
- Es werden verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens besprochen, u.a. Random Forest, DBSCAN und Q-Learning.
Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt.
Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis...mit 146 Abbildungen, 22 Tabellen und zahlreichen Beispielen.
Jahr:
2019
Verlag:
München, Carl Hanser Verlag
Aufsätze:
Zu diesem Aufsatz wechseln
opens in new tab
Diesen Link in neuem Tab öffnen
Mehr...
Interessenkreis:
Suche nach diesem Interessenskreis
Computer
ISBN:
978-3-44645-996-0
Beschreibung:
2., aktualisierte Auflage, 406 Seiten : Diagramme (schwarz-weiß)
Suche nach dieser Beteiligten Person
Sprache:
Deutsch
Mediengruppe:
Buch/Sachbuch