Maschinelles Lernen
De Gruyter (Verlag)
978-3-11-061788-7 (ISBN)
- Titel ist leider vergriffen;
keine Neuauflage - Artikel merken
- ...Kombiniert Statistik, Neuronale Netze, Künstliche Intelligenz, Signalverarbeitung, Data Mining,
um die Problemfelder ganzheitlich anzugehen und Lösungswege finden - ...Beinhaltet neue Kapitel über über Kernel Machinen, Graphical Models, Baysian Estimation
Maschinelles Lernen ist ein verständlich geschriebenes Lehrbuch, welches ein breites Spektrum an Themen aus verschiedenen Bereichen abdeckt, wie zum Beispiel Statistik, Mustererkennung, neuronale Netze, künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining.
Da maschinelles Lernen eine immer größere Rolle für Studierende der Informatik spielt, geht die zweite Auflage des Buches auf diese Veränderung ein und unterstützt gezielt Anfänger in diesem Gebiet, unter anderem durch Übungsaufgaben und zusätzlichen Beispieldatensätzen.
Darüber hinaus beinhaltet das Buch auch Themen, die von einführenden Werken häufig nicht behandelt werden. Unter anderem:
- Überwachtes Lernen
- Bayessche Entscheidungstheorie
- parametrische und nichtparametrische Statistik
- multivariate Analysis
- Hidden-Markow-Modelle
- bestärkendes Lernen
- Kernel-Maschinen
- graphische Modelle
- Bayes-Schätzung und statistischen Testmethoden
Prof. Dr. Ethem Alpaydin, Bogaziçi University, Istanbul.
"Es ist gegenüber der vorigen Auflage wesentlich erweitert (Merkmalseinbettung, Laplace-Eigenmaps, nichtparametrische Bayessche Modelle ...) und gibt den aktuellen Stand eines sich rasch weiterentwickelnden Wissenschaftsgebietes gut wieder. Auch wurden jetzt zu den jedem Kapitel beigegebenen Übungsaufgaben Lösungsansätze hinzugefügt. Angesprochen werden vor allem Studierende der Informatik mit Vorkenntnissen. Schwerpunkte liegen u.a. beim überwachten Lernen, bei mehrlagigen Perzeptronen, Kernel-Maschinen, Graphenmodellen, Hidden-Markov-Modellen und Experimenten mit maschinellem Lernen. [...] Sehr hilfreich sind auch die Literaturhinweise am Ende eines jeden Kapitels."
Klaus Barckow in: ekz Bibliotheksservice ID 2019/26
"Das Buch ist sehr übersichtlich gegliedert und schließt vom Umfang her eine Lücke in der Fachliteratur, insbesondere was die mathematischen Methoden zum maschinellen Lernen betriffft."
Prof. Dr.-Ing. K.-D. Morgeneier, Fachhochschule Jena
"Der Stoff ist sehr aktuell, sehr viele Themen der Stochastik werden unter einem gemeinsamen Gesichtspunkt behandelt." Ernst Plöchinger, FH München
| Erscheinungsdatum | 21.05.2019 |
|---|---|
| Reihe/Serie | De Gruyter Studium |
| Zusatzinfo | 20 b/w ill. |
| Verlagsort | Berlin/Boston |
| Sprache | deutsch |
| Maße | 170 x 240 mm |
| Gewicht | 1231 g |
| Themenwelt | Mathematik / Informatik ► Informatik |
| Recht / Steuern ► Wirtschaftsrecht ► Handelsrecht | |
| Schlagworte | Artificial Intelligence • Informatik • Information Technology • Kunstliche Intelligenz • machine learning • Maschinelles Lernen • Neural networks • Neuronale Netzwerke |
| ISBN-10 | 3-11-061788-9 / 3110617889 |
| ISBN-13 | 978-3-11-061788-7 / 9783110617887 |
| Zustand | Neuware |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
aus dem Bereich
