Read more
Maschinelles Lernen ist aufregend: Mit schnellen Prozessoren und großen Speichern können Computer aus Erfahrungen lernen, künstliche Intelligenz kommt wieder in Reichweite. Mit diesem Buch verstehen Sie, was maschinelles Lernen bedeutet, für welche Probleme es sich eignet, welche neuen Herangehensweisen damit möglich sind und wie Sie mit Python, R und speziellen Werkzeugen maschinelles Lernen implementieren. Sie brauchen dafür keine jahrelange Erfahrung als Programmierer und kein Mathematikstudium. Die praktische Anwendung maschinellen Lernens steht in diesem Buch im Vordergrund. Spielen Sie mit den Tools und haben Sie Spaß dabei! Lernen Sie Fakten und Mythen zum maschinellen Lernen zu unterscheiden.
List of contents
Über die Autoren 13
Einführung 25
Teil I: Einführung in das maschinelle Lernen 29 Kapitel 1: Künstliche Intelligenz in Fiktion und Realität 31
Kapitel 2: Lernen im Zeitalter von Big Data 43
Kapitel 3: Ein Ausblick auf die Zukunft 53
Teil II: Einrichtung Ihrer Programmierumgebung 63 Kapitel 4: Installation einer R-Distribution 65
Kapitel 5: Programmierung mit R und RStudio 83
Kapitel 6: Installation einer Python-Distribution 107
Kapitel 7: Programmierung mit Python und Anaconda 127
Kapitel 8: Weitere Softwareprogramme für maschinelles Lernen 151
Teil III: Mathematische Grundlagen 159 Kapitel 9: Mathematische Grundlagen des maschinellen Lernens 161
Kapitel 10: Fehlerfunktionen und ihre Minimierung 179
Kapitel 11: Validierung von maschinellem Lernen 191
Kapitel 12: Einfache Lerner 209
Teil IV: Aufbereitung und Verwendung von Daten zum Lernen 225
Kapitel 13: Vorverarbeitung von Daten 227
Kapitel 14: Ausnutzung von Ähnlichkeiten in Daten 245
Kapitel 15: Einfache Anwendung von linearen Modellen 265
Kapitel 16: Komplexere Lernverfahren und neuronale Netze 287
Kapitel 17: Support Vector Machines und Kernel-Funktionen 303
Kapitel 18: Kombination von Lernalgorithmen in Ensembles 321
Teil V: Praktische Anwendung von maschinellem Lernen 337 Kapitel 19: Klassifikation von Bildern 339
Kapitel 20: Bewertung von Meinungen und Stimmungslagen 353
Kapitel 21: Produkt- und Filmempfehlungen 373
Teil VI: Der Top-Ten-Teil 387 Kapitel 22: Zehn wichtige Pakete für maschinelles Lernen 389
Kapitel 23: Zehn Methoden zur Verbesserung Ihrer maschinellen Lernmodelle 395
Stichwortverzeichnis 403
About the author
John Paul Mueller is a technical editor and consultant. He has authored or coauthored 58 books and more than 200 articles on everything from database management to artificial intelligence.
Summary
Maschinelles Lernen ist aufregend: Mit schnellen Prozessoren und großen Speichern können Computer aus Erfahrungen lernen, künstliche Intelligenz kommt wieder in Reichweite. Mit diesem Buch verstehen Sie, was maschinelles Lernen bedeutet, für welche Probleme es sich eignet, welche neuen Herangehensweisen damit möglich sind und wie Sie mit Python, R und speziellen Werkzeugen maschinelles Lernen implementieren. Sie brauchen dafür keine jahrelange Erfahrung als Programmierer und kein Mathematikstudium. Die praktische Anwendung maschinellen Lernens steht in diesem Buch im Vordergrund. Spielen Sie mit den Tools und haben Sie Spaß dabei! Lernen Sie Fakten und Mythen zum maschinellen Lernen zu unterscheiden.
