Machine Learning kompakt
Ein Einstieg für Studierende der Naturwissenschaften
Buch in deiner Nähe kaufen
Beschreibung
Dieses essential befasst sich mit Anwendungen des maschinellen Lernens in verschiedenen Bereichen der Naturwissenschaften. Es behandelt geläufige Strukturen und Algorithmen, um Daten mit den Techniken des maschinellen Lernens zu analysieren. Zunächst werden Methoden eingeführt, die an klassischen statistischen Analysen andocken und auf soliderem mathematischem Fundament stehen. Die Autoren machen mit den verschiedenen Strukturen für künstliche neuronale Netzwerke vertraut und zeigen die jeweiligen Anwendungsgebiete.
Der Inhalt
- Maschinelles Lernen ohne neuronale Netzwerke
- Überwachtes und unüberwachtes Lernen
- Interpretierbarkeit von neuronalen Netzwerken
Die Zielgruppen
- Studierende und Dozierende aus den Bereichen Mathematik, Physik, Biologie, Medizin und verwandten Naturwissenschaften
- Wissenschaftlerinnen und Wissenschaftler
Die Autoren
Kenny Choo ist Doktorand am Physik-Institut der Universität Zürich.
Eliska Greplova ist Assistenz-Professorin für Quanten-Nanowissenschaften an der Technischen Universität Delft.
Mark H. Fischer ist Oberassistent am Physik-Institut der Universität Zürich.Titus Neupert ist Professor für theoretische Physik an der Universität Zürich.
Dieses essential befasst sich mit Anwendungen des maschinellen Lernens in verschiedenen Bereichen der Naturwissenschaften. Es behandelt geläufige Strukturen und Algorithmen, um Daten mit den Techniken des maschinellen Lernens zu analysieren. Zunächst werden Methoden eingeführt, die an klassischen statistischen Analysen andocken und auf soliderem mathematischem Fundament stehen. Die Autoren machen mit den verschiedenen Strukturen für künstliche neuronale Netzwerke vertraut und zeigen die jeweiligen Anwendungsgebiete.
Kompakte Einführung in die Grundlagen des maschinellen Lernens Fachterminologie für Einsteiger präzise erklärt Mit zahlreichen Beispielen zum Ausprobieren
Autor*in
Kenny Choo
Themen in »Machine Learning kompakt«
Maschinelles Lernen Künstliche Inteligenz Neuronales Netzwerk Algorithmen Überwachtes Lernen Unüberwachtes Lernen