Grundkurs Machine Learning

Beschreibung

Konzepte Schritt für Schritt erklärt!

Methode für Methode lernen Sie die Konzepte kennen, auf denen Machine Learning basiert: Von der Maximum-Likelihood-Schätzung bis zum Reinforcement-Learning. Immer mit Einführung, Schritt-für-Schritt-Anleitung, Beispielen und erklärenden Grafiken.

Maschinelles Lernen ist im Kern genau das: angewandte Mathematik. Und diese Mathematik lernen Sie hier. Setzen Sie mathematische Verfahren ein, um aus Datensätzen Erkenntnisse zu gewinnen. Tauchen Sie direkt ein – es genügt Ihr Schulmathematik-Wissen!

Lernen Sie, wie Sie die verschiedenen Verfahren und Modelle bewerten und jeweils das richtige auswählen. Damit Sie die beste Wahl treffen können, lernen Sie alle Stärken und Schwächen, Voraussetzungen und mögliche Stolperfallen der einzelnen Verfahren kennen.

Die Projekte in diesem Buch setzen kein bestimmtes Studienfach voraus. Ob politische Reden, Worterkennung oder das Abstimmungsverhalten in einem Parlament – die Beispiele bringen auf den Punkt, worauf es bei Machine Learning ankommt.

Maschinelles Lernen – alle Grundlagen!. Dieser Grundkurs führt Sie in alle gängigen ML-Methoden ein. Paul Wilmott, bekannt für seine erhellende und unterhaltsame Darstellung angewandter Mathematik, stellt Ihnen die einschlägigen mathematischen Verfahren vor – von linearer Regression bis Neuronale Netze, komplett unabhängig von Software und Code. Der Vorteil dabei: Jeder Schritt ist schwarz auf weiß für Sie nachvollziehbar, kein Framework schaltet sich dazwischen, es geht immer um die Sache selbst.

Mit vielen Beispielen, Grafiken und Schritt-für-Schritt-Anleitungen. Für alle, die wirklich verstehen wollen, wie Maschinen lernen.

• Die mathematischen Grundlagen für maschinelles Lernen
• Alle wichtigen Algorithmen Schritt für Schritt erklärt
• Inkl. Reinforcement Learning, k-Nearest Neighbors, Neuronale Netze u. v. m.
• Die Übersetzung des Kultbuchs "Machine Learning: An Applied Mathematics Introduction" von Paul Wilmott

Aus dem Inhalt:

• Lineare Regression
• k-Nearest Neighbors
• Naive Bayes-Klassifikatoren
• k-Means-Algorithmus
• Support Vector Machines
• Logistische Regression
• Selbstorganisierende Karten
• Entscheidungsbäume
• Reinforcement Learning
• Neuronale Netze

Autor*in

Paul Wilmott
Paul Wilmott vermittelt angewandte Mathematik – mit Kultstatus. Seine unverwechselbaren Einführungen bringen seit Jahrzehnten Licht in finanzmathematische Modelle, Derivatehandel, Risikobewertung und Co. Wilmott forscht, lehrt und schreibt nicht nur, er war auch schon als Profi-Jongleur und Under-Cover-Ermittler (Channel 4) im Einsatz, arbeitet für das CQF-Institut (Quantitative Finance) und für die Bildungsinitiative "Math on Toast" (Mathematik für Familien).

Themen in »Grundkurs Machine Learning«

Hand-Buch Bücher lernen Studium Grundlagen Kurse Workshops Tutorials Wissen Anleitung Training Ausbildung Robotik Informatik verstehen Programmierung programmieren KI-Welt AI Künstliche Intelligenz Software-Entwicklung Coder Coden Neuronale Netze Deep Learning Mathematik

Stimmen zu »Grundkurs Machine Learning«

Details

Link teilen