What do you think?
Rate this book
Machine Learning: Compact (Grundlagen der Informatik in Ausbildung, Studium und Beruf)
Der kompakte Einstieg in die Entwicklung von KI-Systemen mit Python.
Der Bereich "Künstliche Intelligenz", kurz KI, ist aktuell die angesagteste Trendtechnologie innerhalb der Digitalisierung.
Machine Learning (ML) ist das Teilgebiet in der KI, dass als der größte Innovations- und Technologietreiber dieser Jahre gilt. In allen Trendthemen der Digitalisierung spielt KI, und damit hauptsächlich ML eine übergeordnete Rolle.
Zwei Drittel der Unternehmen in Deutschland, Österreich und der Schweiz befassen sich heute schon mit KI- und ML-Technologien. So geht einer Studie des Branchenverbandes Bitcom zufolge, mittlerweile jedes zweite deutsche Unternehmen davon aus, dass ML ihre aktuellen Geschäftsmodelle nachhaltig verändern wird.
Für den Neu- und Quereinsteiger mit Entwicklerhintergrund ist ML allerdings zunächst ein unübersichtliches Feld, weil es viele verschiedene konzeptionelle, methodische und theoretische Ansätze gibt.
Dieses Buch richtet sich an Auszubildende, Studierende und Fachkräfte mit Grundkenntnissen in der Programmiersprache Python, die einen kompakten Einstieg in das Thema Machine Learning erhalten wollen.Aus dem - Einführung++ Was ist KI ?++ Zunehmende Intelligenz durch 3A++ KI, warum gerade jetzt ?++ Einordnung der KI- Machine Learning++ Prinzip von ML++ Ablauf in ML-Projekten++ Datenvorbereitung++ Funktionsweise in ML-Anwendungen++ Klassische ML-Technologien++ ML-Evaluationsmetriken (Datensplitt, Metriken, Overfitting, Underfitting, Generalisierung)++ Data Scince und ML++ ML-Werkzeuge- Supervised Learning++ Lineare Regression++ Klassifikation mit KNN++ Klassifikation mit SVM++ Entscheidungsbäume- Unsupervised Learning++ Clustering++ K-Means Clustering- Reinforcement Learning++ Markov Decision Process (MDP)++ Q-Learning- Künstliche Neuronale Netze ++ Convolutional Neuronal Networks++ Tiefe neuronale Netze- Modelle verwalten++ Modelle serialisiert speichern++ Gespeicherte Modelle laden++ Modelle optimieren- Das sollten Sie noch wissen++ Der R2-Score++ Annotationen++ Pearson Korrelationskoeffizient++ One-Hot-Encoding++ Deep Learning++ Ensemble Model++ Schwache und starke KI++ KI und ML in der Zukunft Sie können dieses eBook mit Kindle-Fire-Tablets oder mit der kostenlosen Kindle App für Windows, macOS, Android oder iOS lesen. Das Lesen des eBooks mit Kindle-Paperwhite-Geräten oder dem Kindle Cloud Reader ist nicht möglich.
Der Bereich "Künstliche Intelligenz", kurz KI, ist aktuell die angesagteste Trendtechnologie innerhalb der Digitalisierung.
Machine Learning (ML) ist das Teilgebiet in der KI, dass als der größte Innovations- und Technologietreiber dieser Jahre gilt. In allen Trendthemen der Digitalisierung spielt KI, und damit hauptsächlich ML eine übergeordnete Rolle.
Zwei Drittel der Unternehmen in Deutschland, Österreich und der Schweiz befassen sich heute schon mit KI- und ML-Technologien. So geht einer Studie des Branchenverbandes Bitcom zufolge, mittlerweile jedes zweite deutsche Unternehmen davon aus, dass ML ihre aktuellen Geschäftsmodelle nachhaltig verändern wird.
Für den Neu- und Quereinsteiger mit Entwicklerhintergrund ist ML allerdings zunächst ein unübersichtliches Feld, weil es viele verschiedene konzeptionelle, methodische und theoretische Ansätze gibt.
Dieses Buch richtet sich an Auszubildende, Studierende und Fachkräfte mit Grundkenntnissen in der Programmiersprache Python, die einen kompakten Einstieg in das Thema Machine Learning erhalten wollen.Aus dem - Einführung++ Was ist KI ?++ Zunehmende Intelligenz durch 3A++ KI, warum gerade jetzt ?++ Einordnung der KI- Machine Learning++ Prinzip von ML++ Ablauf in ML-Projekten++ Datenvorbereitung++ Funktionsweise in ML-Anwendungen++ Klassische ML-Technologien++ ML-Evaluationsmetriken (Datensplitt, Metriken, Overfitting, Underfitting, Generalisierung)++ Data Scince und ML++ ML-Werkzeuge- Supervised Learning++ Lineare Regression++ Klassifikation mit KNN++ Klassifikation mit SVM++ Entscheidungsbäume- Unsupervised Learning++ Clustering++ K-Means Clustering- Reinforcement Learning++ Markov Decision Process (MDP)++ Q-Learning- Künstliche Neuronale Netze ++ Convolutional Neuronal Networks++ Tiefe neuronale Netze- Modelle verwalten++ Modelle serialisiert speichern++ Gespeicherte Modelle laden++ Modelle optimieren- Das sollten Sie noch wissen++ Der R2-Score++ Annotationen++ Pearson Korrelationskoeffizient++ One-Hot-Encoding++ Deep Learning++ Ensemble Model++ Schwache und starke KI++ KI und ML in der Zukunft Sie können dieses eBook mit Kindle-Fire-Tablets oder mit der kostenlosen Kindle App für Windows, macOS, Android oder iOS lesen. Das Lesen des eBooks mit Kindle-Paperwhite-Geräten oder dem Kindle Cloud Reader ist nicht möglich.
107 pages, Kindle Edition
Published November 16, 2020
Ratings & Reviews
Friends & Following
Create a free account to discover what your friends think of this book!
Community Reviews
No one has reviewed this book yet.