Wie Maschinen lernen

Künstliche Intelligenz verständlich erklärt
 
 
Springer (Verlag)
  • erschienen am 18. Oktober 2019
  • |
  • XIV, 245 Seiten
 
E-Book | PDF mit Wasserzeichen-DRM | Systemvoraussetzungen
978-3-658-26763-6 (ISBN)
 
Künstliche Intelligenz und Maschinelles Lernen: Erweitern Sie Ihr Fachwissen mit diesem Sachbuch
Was verbirgt sich überhaupt hinter Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML)? Dieses Sachbuch liefert verständliche Antworten.
ML und KI spielen im Zuge von Industrie 4.0 und der Digitalisierung eine immer größere Rolle. Ganz ohne komplexe mathematische Formeln bringt Ihnen dieses Sachbuch die grundlegenden Methoden, Anwendungen und Vorgehensweisen des Maschinellen Lernens und der Künstlichen Intelligenz näher. Lisa, die Protagonistin in diesem Buch, illustriert alle Themen anhand von Alltagssituationen. Dadurch erschließt sich Ihnen das Fachwissen, das bisher nur Experten vorbehalten war, einfach und leicht verständlich. Mit diesem Buch eignen Sie sich im Handumdrehen neues Wissen an, mit dem Sie innerhalb der Diskussion um Chancen und Risiken aktueller Entwicklungen garantiert punkten können.

Eine Einführung in die Prinzipien von KI und ML
Dieses Sachbuch setzt zunächst bei den Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens an. Hier werden u. a. folgende Fragen geklärt:
  • Was sind Daten?
  • Was sind Algorithmen?
  • Was ist mit Regression gemeint?
  • Wozu dienen Clusteranalysen?

Schwerpunktmäßig beschäftigt sich dieses Werk mit Bedeutung und Funktionsweise wichtiger Algorithmen des Maschinellen Lernens. Aufgeteilt in einzelne Kapitel, tauchen Sie so mit Hilfe vieler Abbildungen Schritt für Schritt tiefer in die Materie ein. Zudem bringen Ihnen die Autoren u. a. folgende Verfahren und Aspekte näher:
  • k-Means
  • Entscheidungsbäume
  • Verzerrung-Varianz-Dilemma
  • Big Data
  • Neuronale Netze

Die gesamtgesellschaftliche Bedeutung im Blick
Daneben verliert dieses Sachbuch auch die gesellschaftliche Bedeutung von Künstlicher Intelligenz und Maschinellem Lernen nicht aus dem Blick. Lesen Sie mehr über Fragestellungen der Sicherheit und Ethik im Zusammenhang mit Künstlicher Intelligenz. All das macht dieses Werk zu einer Leseempfehlung für:
  • Themeninteressierte, die verstehen möchten, was sich hinter den Schlagworten KI und ML verbirgt
  • Entscheidungsträger aus Politik und Wirtschaft
  • Schülerinnen und Schüler, welche die Zukunft mitgestalten wollen

1. Aufl. 2019
  • Deutsch
  • Wiesbaden
  • |
  • Deutschland
Springer Fachmedien Wiesbaden GmbH
  • 3
  • |
  • 68 farbige Abbildungen, 3 s/w Abbildungen
  • 9,19 MB
978-3-658-26763-6 (9783658267636)
10.1007/978-3-658-26763-6
weitere Ausgaben werden ermittelt
Kristian Kersting ist Professor für maschinelles Lernen am Fachbereich Informatik der Technischen Universität Darmstadt und leitet dort das Machine Learning Lab.
Christoph Lampert ist Professor am Institute of Science and Technology (IST Austria) und Leiter der Forschungsgruppe für Computer Vision and Machine Learning.
Constantin Rothkopf ist Gründungsdirektor des Zentrums für Kognitionswissenschaft und arbeitet am Institut für Psychologie der Technischen Universität Darmstadt.
Die Beitragsautorinnen und -autoren
Von der Studienstiftung des deutschen Volkes geförderte Studierende aus ganz Deutschland und Mitglieder der Arbeitsgruppe "Künstliche Intelligenz - Fakten, Chancen, Risiken": Jannik Kossen, Maike Elisa Müller, Nicolas Berberich, Fabrizio Kuruc, Jana Aberham, Christian Hölzer, Elena Natterer, Ina Kalder, Michael Krause, Theresa Schüler, Wolfgang Böttcher, Charlotte Bunne, Justin Fehrling, Alexandros Gilch, Thomas Herrmann, Leon Hetzel, Dorothea Müller, Michael Neumann, Lars Frederik Peiss, Max Ruckriegel, Johannes von Stetten, Frederik Wangelik. Die Reihenfolge der Autorinnen und Autoren in den Kapiteln ist alphabetisch sortiert.
Einleitung - Algorithmen - Maschinelles Lernen - Daten - Regression - Klassifikation - Clusteranalyse - Lineare Regression - Ausreißer - k-Nächste-Nachbarn - k-Means - Fluch der Dimensionalität - Support Vector Machine - Logistische Regression - Entscheidungsbäume - Verzerrung-Varianz-Dilemma - Hauptkomponentenanalyse - Eine kurze Geschichte der künstlichen Intelligenz - Big Data - Neuronale Netze - Faltungsnetze - Gradientenabstiegsverfahren - No Free Lunch Theorem - Bayesregel - Generative gegnerische Netzwerke - Verstärkendes Lernen - Weizenbaum und die Mystifizierung von KI - Künstliche Intelligenz und Sicherheit - Künstliche Intelligenz und Ethik - Schlusswort.

Dateiformat: PDF
Kopierschutz: Wasserzeichen-DRM (Digital Rights Management)

Systemvoraussetzungen:

Computer (Windows; MacOS X; Linux): Verwenden Sie zum Lesen die kostenlose Software Adobe Reader, Adobe Digital Editions oder einen anderen PDF-Viewer Ihrer Wahl (siehe E-Book Hilfe).

Tablet/Smartphone (Android; iOS): Installieren Sie die kostenlose App Adobe Digital Editions oder eine andere Lese-App für E-Books (siehe E-Book Hilfe).

E-Book-Reader: Bookeen, Kobo, Pocketbook, Sony, Tolino u.v.a.m. (nur bedingt: Kindle)

Das Dateiformat PDF zeigt auf jeder Hardware eine Buchseite stets identisch an. Daher ist eine PDF auch für ein komplexes Layout geeignet, wie es bei Lehr- und Fachbüchern verwendet wird (Bilder, Tabellen, Spalten, Fußnoten). Bei kleinen Displays von E-Readern oder Smartphones sind PDF leider eher nervig, weil zu viel Scrollen notwendig ist. Mit Wasserzeichen-DRM wird hier ein "weicher" Kopierschutz verwendet. Daher ist technisch zwar alles möglich - sogar eine unzulässige Weitergabe. Aber an sichtbaren und unsichtbaren Stellen wird der Käufer des E-Books als Wasserzeichen hinterlegt, sodass im Falle eines Missbrauchs die Spur zurückverfolgt werden kann.

Weitere Informationen finden Sie in unserer E-Book Hilfe.


Download (sofort verfügbar)

14,99 €
inkl. 7% MwSt.
Download / Einzel-Lizenz
PDF mit Wasserzeichen-DRM
siehe Systemvoraussetzungen
E-Book bestellen