Künstliche Intelligenz in den Ingenieurwissenschaften
Maschinelles Lernen verstehen und bewerten
Buch in deiner Nähe kaufen
Beschreibung
Dieses Lehrbuch bietet eine solide Einführung in das Gebiet der Künstlichen Intelligenz, ohne dabei Programmierkenntnisse vorauszusetzen. Es richtet sich somit insbesondere an nicht-informatische Studiengänge. Der Schwerpunkt liegt auf dem Verständnis der grundlegenden Methoden und der Bildung einer Beurteilungskompetenz bezüglich der maschinell trainierten Modelle. Dabei wird u. a. auf die Vorbereitung von Datensätzen eingegangen, ebenso wie auf die Verwendung von Algorithmen im überwachten und unüberwachten maschinellen Lernen. Praxisbeispiele, Verständnisfragen und Übungsaufgaben runden das Lehrbuch ab.
Der Inhalt
- Grundlagen
- Daten visualisieren und analysieren
- Daten vorbereiten und bereinigen
- Überwachtes Lernen
- Unüberwachtes Lernen
Die Zielgruppen
- Studierende der Ingenieurwissenschaften
- Praktiker im industriellen Umfeld, die eine Kompetenz im Bereich der künstlichen Intelligenz aufbauen möchten.
Der Autor
Prof. Dr. Stephan Matzka ist seit 2017 Professor für Mechatronik mit dem Schwerpunkt Künstliche Intelligenz im Studiengang Maschinenbau der HTW Berlin. Davor war er Leiter der Planung Automatisierungstechnik Montagen bei der Audi AG.
Dieses Lehrbuch bietet eine solide Einführung in das Gebiet der Künstlichen Intelligenz, ohne dabei Programmierkenntnisse vorauszusetzen. Es richtet sich somit insbesondere an nicht-informatische Studiengänge. Der Schwerpunkt liegt auf dem Verständnis der grundlegenden Methoden und der Bildung einer Beurteilungskompetenz bezüglich der maschinell trainierten Modelle. Dabei wird u. a. auf die Vorbereitung von Datensätzen eingegangen, ebenso wie auf die Verwendung von Algorithmen im überwachten und unüberwachten maschinellen Lernen. Praxisbeispiele, Verständnisfragen und Übungsaufgaben runden das Lehrbuch ab.
Zeigt die wichtige Rolle von Künstlicher Intelligenz (KI) im Ingenieursberuf Erklärt die Vorgehensweise unterschiedlicher Algorithmen ohne Programmierung Vermittelt Beurteilungskompetenz zu Projekten im Bereich der KI
Autor*in
Stephan Matzka
Themen in »Künstliche Intelligenz in den Ingenieurwissenschaften«
Künstliche neuronale Netzwerke Regression Klassifizierung Statistische Kennwerte Unüberwachtes Lernen Überwachtes Lernen Streudiagramm Histogramm k-nearest-Neighbor Entscheidungsbaum Random Forest Algorithmus Support Vector Machine Diskriminanzanalyse Generalisierung