Grundkurs machine learning
Maschinelles Lernen – alle Grundlagen! Paul Wilmott ist für seine erhellende und unterhaltsame Darstellung angewandter Mathematik bekannt. Von der linearen Regression bis zu Neuronalen Netzwerken führt er Sie durch alle Verfahren, und zwar komplett Software-unabhängig. Der Vorteil dabei: Jeder Schri...
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Weitere Verfasser: | |
| Format: | UnknownFormat |
| Sprache: | ger |
| Veröffentlicht: |
Bonn
Rheinwerk Verlag
2020
|
| Ausgabe: | 1. Auflage |
| Schriftenreihe: | Rheinwerk Computing
Informatik verstehen Künstliche Intelligenz |
| Schlagworte: |
Hand-Buch Bücher lernen Studium Grundlagen Kurse Workshops Tutorials Wissen Anleitung Training Ausbildung
> Robotik
> Informatik verstehen
> Programmierung programmieren
> KI-Welt AI
> Künstliche Intelligenz
> Software-Entwicklung
> Coder Coden
> Neuronale Netze
> Deep Learning
> Mathematik
> Maschinelles Lernen
> Deep learning
|
| Online Zugang: | Inhaltsverzeichnis |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Tag hinzufügen | Zusammenfassung: | Maschinelles Lernen – alle Grundlagen! Paul Wilmott ist für seine erhellende und unterhaltsame Darstellung angewandter Mathematik bekannt. Von der linearen Regression bis zu Neuronalen Netzwerken führt er Sie durch alle Verfahren, und zwar komplett Software-unabhängig. Der Vorteil dabei: Jeder Schritt ist schwarz auf weiß zu sehen, kein Framework kann etwas „verstecken“, es geht immer um die Sache selbst. Mit vielen Beispielen, Grafiken und Schritt-für-Schritt-Kästen. Für alle, die wirklich verstehen wollen, wie Maschinen lernen. 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 |
|---|---|
| Beschreibung: | Auf dem Cover: Mathematische Grundlagen des maschinellen Lernens; alle wichtigen Algorithmen Schritt für Schritt erklärt; inkl. Reinforcement Learning, k-nächste Nachbarn, Neuronale Netze u.v.m |
| Beschreibung: | 256 Seiten Illustrationen, Diagramme 23 cm x 18 cm |
| ISBN: | 9783836275989 |