Grundkurs Machine Learning
€ 29,90
Sofort lieferbar
€ 23,92
Sofort verfügbar
nur € 34,90
Sofort verfügbar
Rheinwerk Computing, ISBN 978-3-8362-7598-9
E-Book-Formate: PDF, Online
Rheinwerk Computing, ISBN 978-3-8362-7599-6
E-Book-Formate: PDF, Online
Rheinwerk Computing, ISBN 978-3-8362-7601-6
E-Book-Formate: PDF, Online
Rheinwerk Computing, ISBN 978-3-8362-7602-3
Maschinelles Lernen – alle Grundlagen! Dieser Grundkurs führt Sie in alle gängigen ML-Methoden ein. Paul Wilmott, bekannt für seine erhellende und unterhaltsame Darstellung angewandter Mathematik, stellt Ihnen die einschlägigen mathematischen Verfahren vor – von linearer Regression bis zu Neuronalen Netzen, komplett unabhängig von Software und Code. Der Vorteil dabei: Jeder Schritt ist schwarz auf weiß für Sie nachvollziehbar, kein Framework schaltet sich dazwischen, es geht immer um die Sache selbst. Der ideale Kurs für alle, die verstehen wollen, wie Maschinen lernen.
- Mathematische Grundlagen des maschinellen Lernens
- Alle wichtigen Algorithmen anschaulich erklärt
- Inkl. Reinforcement Learning, k-Nearest Neighbors, Neuronale Netze u. v. m.
- Titel der englischen Originalausgabe: "Machine Learning: An Applied Mathematics Introduction"
Machine Learning klipp und klar
-
Konzepte Schritt für Schritt erklärt
Methode für Methode lernen Sie die Konzepte kennen, auf denen Machine Learning basiert: Von der Maximum-Likelihood-Schätzung bis zum Reinforcement-Learning. Immer mit Einführung, Schritt-für-Schritt-Anleitung, Beispielen und erklärenden Grafiken.
-
Mathematik? Ja, bitte!
Maschinelles Lernen ist im Kern genau das: angewandte Mathematik. Und diese Mathematik lernen Sie hier. Setzen Sie mathematische Verfahren ein, um aus Datensätzen Erkenntnisse zu gewinnen. Tauchen Sie direkt ein – es genügt Ihr Schulmathematik-Wissen!
-
Verfahren bewerten und auswählen
Lernen Sie, wie Sie die verschiedenen Verfahren und Modelle bewerten und jeweils das richtige auswählen. Damit Sie die beste Wahl treffen können, lernen Sie alle Stärken und Schwächen, Voraussetzungen und mögliche Stolperfallen der einzelnen Verfahren kennen.
-
Für alle Studienfächer
Die Projekte in diesem Buch setzen kein bestimmtes Studienfach voraus. Ob politische Reden, Worterkennung oder das Abstimmungsverhalten in einem Parlament – die Beispiele bringen auf den Punkt, worauf es bei Machine Learning ankommt.
Aus dem Inhalt
- Lineare Regression
- k-Nearest Neighbors
- Naive Bayes-Klassifikatoren
- k-Means-Algorithmus
- Support Vector Machines
- Logistische Regression
- Selbstorganisierende Karten
- Entscheidungsbäume
- Reinforcement Learning
- Neuronale Netze
Diese Bücher könnten Sie auch interessieren
-
Neuronale Netze programmieren mit Python
479 Seiten, broschiert, in Farbe
E-Book-Formate: PDF, EPUB, Online€ 23,92
Sofort verfügbar
E-Book
-
Deep Learning mit TensorFlow, Keras und TensorFlow.js
496 Seiten, gebunden
E-Book-Formate: PDF, EPUB, Online€ 39,90
Sofort lieferbar
Buch | E-Book | Bundle
-
Algorithmen in Python – 32 Klassiker vom Damenproblem bis zu neuronalen Netzen
292 Seiten, broschiert
E-Book-Formate: PDF, EPUB, Online€ 29,90
Sofort lieferbar
Buch | E-Book | Bundle
