
Maschinelles Lernen
Grundlagen und Algorithmen in Python
Jörg Frochte(Author)
Hanser (Publisher)
1st Edition
Published on 6. August 2018
Book
Mixed media product
406 pages
978-3-446-45291-6 (ISBN)
Article exhausted; check for reprint
Description
Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt:
- Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet und der Hintergrund geliefert, um zu verstehen, wie und warum diese Algorithmen funktionieren.
- Ebenfalls enthalten ist ein kompakter Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens.
- Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt.
- Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen.
- Es werden verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens besprochen, u.a. Random Forest, DBSCAN und Q-Learning.
Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt.
Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis.
- Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet und der Hintergrund geliefert, um zu verstehen, wie und warum diese Algorithmen funktionieren.
- Ebenfalls enthalten ist ein kompakter Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens.
- Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt.
- Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen.
- Es werden verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens besprochen, u.a. Random Forest, DBSCAN und Q-Learning.
Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt.
Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis.
Reviews / Votes
"Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis." Konstruktion - Zeitschrift für Produktentwicklung und Ingenieur-Werkstoffe, Februar 2019"Kompakter Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens." handling, Dezember 2018
"Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet, und erklärt, wie und warum diese Algorithmen funktionieren. Genutzt werden die Bibliotheken NumPy und SciPy sowie scikit-learn beziehungsweise Keras." dotnetpro, Oktober 2018
"Alles in allem ein anspruchsvolles Buch über maschinelles Lernen, das einem engagierten Leser fundiertes Wissen vermitteln kann." Linux Magazin, Oktober 2018
More details
Language
German
Place of publication
München
Germany
Illustrations
22
146 s/w Abbildungen, 22 s/w Tabellen
Dimensions
Height: 24.2 cm
Width: 17.3 cm
Thickness: 2.3 cm
Weight
763 gr
ISBN-13
978-3-446-45291-6 (9783446452916)
Schweitzer Classification
Other editions
New editions

Book
11/2020
3rd Edition
Hanser
€39.99
Available immediately

Book
01/2019
2nd Edition
Hanser
€38.00
Article exhausted; check for reprint
Person
Author
Dr. rer. nat. Jörg Frochte ist seit 2010 Professor für Angewandte Informatik an der Hochschule Bochum. Seine Interessen in Forschung und Lehre liegen im Bereich des maschinellen Lernens und Data Mining. Seit 2024 ist er Vizepräsident der HS für Forschung, Digitalisierung & Internationalisierung.
ISNI: 0000 0003 5762 7763
ISNI: 0000 0003 5762 7763
Content
? Einführung in maschinelles Lernen
? Python, NumPy, SciPy und Matplotlib - in a nutshell
? Statistische Grundlagen und Bayes-Klassifikator
? Lineare Modelle und Lazy Learning
? Entscheidungsbäume
? Feedforward-Netze
? Deep Neural Networks mit Keras
? Feature-Reduktion
? Support Vector Machines
? Clustering-Verfahren
? Bestärkendes Lernen
? Python, NumPy, SciPy und Matplotlib - in a nutshell
? Statistische Grundlagen und Bayes-Klassifikator
? Lineare Modelle und Lazy Learning
? Entscheidungsbäume
? Feedforward-Netze
? Deep Neural Networks mit Keras
? Feature-Reduktion
? Support Vector Machines
? Clustering-Verfahren
? Bestärkendes Lernen