Produkte und Fragen zum Begriff Jung-Alexander-Maschinelles-Lernen:
-
Maschinelles Lernen , 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: - Algorithmen des maschinellen Lernens verwenden und verstehen, wie und warum sie funktionieren. - Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens. - Verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens, u.a. Random Forest, DBSCAN und Q-Learning. 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. Die dritte Auflage wurde für die Keras/Tensorflow-Version 2 sowie Python 3.7 überarbeitet, mehrere Kapitel insbesondere zum bestärkten Lernen wurde aktualisiert und folgende Themen wurden unter anderem neu aufgenommen: - Deep Q-Learning - Class Activation Maps und Grad-CAM - Pandas-Integration und -Einführung - OpenAI Gym integriert Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis. 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. , Bücher > Bücher & Zeitschriften , Auflage: 3., überarbeitete und erweiterte Auflage, Erscheinungsjahr: 20201120, Produktform: Kassette, Inhalt/Anzahl: 1, Inhalt/Anzahl: 1, Autoren: Frochte, Jörg, Auflage: 21003, Auflage/Ausgabe: 3., überarbeitete und erweiterte Auflage, Seitenzahl/Blattzahl: 616, Keyword: artificial intelligence basics; artificial intelligence machine learning; künstliche intelligenz ai; künstliche intelligenz programmieren; künstliche intelligenz verstehen; machine learning book; machine learning python; maschinelles lernen anfänger; maschinelles lernen grundlagen; maschinelles lernen python; selbstlernende ki; selbstlernende systeme, Fachschema: Wahrscheinlichkeitsrechnung~Intelligenz / Künstliche Intelligenz~KI~Künstliche Intelligenz - AI, Bildungszweck: für die Hochschule, Fachkategorie: Maschinelles Lernen, Thema: Verstehen, Text Sprache: ger, Sender’s product category: BUNDLE, Verlag: Hanser Fachbuchverlag, Verlag: Hanser Fachbuchverlag, Verlag: Hanser, Carl, Verlag GmbH & Co. KG, Länge: 241, Breite: 177, Höhe: 40, Gewicht: 1167, Produktform: Gebunden, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Beinhaltet: B0000059240001 B0000059240002, Beinhaltet EAN: 9783446913387 9783446913394, Vorgänger EAN: 9783446459960 9783446452916, eBook EAN: 9783446463554, Herkunftsland: DEUTSCHLAND (DE), Katalog: deutschsprachige Titel, Katalog: Gesamtkatalog, Katalog: Kennzeichnung von Titeln mit einer Relevanz > 30, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0050, Tendenz: +1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel, WolkenId: 1788644
Preis: 39.99 € | Versand*: 0 € -
Maschinelles Lernen (ML) ist eine Art der künstlichen Intelligenz (AI), die es Softwareanwendungen ermöglicht, Ergebnisse genauer vorherzusagen, ohne dass sie explizit dafür programmiert werden müssen. Das Buch Understanding Machine Learning bietet eine strukturierte Einführung in das maschinelle Lernen. Das Buch taucht in die grundlegenden Theorien und algorithmischen Paradigmen des maschinellen Lernens sowie in die mathematischen Ableitungen ein und präsentiert eine breite Palette von Themen des maschinellen Lernens auf leicht verständliche Weise. Das Buch Understanding Machine Learning eignet sich für alle, von Informatikstudenten bis hin zu Laien in den Bereichen Informatik, Ingenieurwesen, Mathematik und Statistik. Das Buch über maschinelles Lernen kann auch als Leitfaden für Entwickler dienen, die ihre eigenen Programme zur Erfassung von Daten mit dem Ziel der Analyse schreiben wollen. Das Buch "Maschinelles Lernen in Aktion" befasst sich eingehend mit den Algorithmen, die die Grundlage für verschiedene Techniken des maschinellen Lernens bilden. , GRUNDSÄTZE UND IHRE ANWENDUNGEN , Schule & Ausbildung > Fachbücher, Lernen & Nachschlagen
Preis: 68.90 € | Versand*: 0 € -
Informationsgesteuertes maschinelles Lernen , Dieses innovative Lehrbuch revolutioniert das maschinelle Lernen durch neue Informationsmessungsmethoden. Es basiert auf einem Seminar der UC Berkeley und zielt darauf ab, die Black-Box-Natur des maschinellen Lernens zu überwinden, indem es Datenqualitätsmessungen und A-priori-Schätzungen der Aufgabenkomplexität ermöglicht. Dies führt zu kleineren, erklärbareren und robusteren Modellen. Das Lehrbuch verbindet maschinelles Lernen mit Physik, Informationstheorie und Computertechnik und ist für ein breites Publikum verständlich. Es hinterfragt bestehende Branchenpraktiken und behandelt Themen wie Deep Learning und Datendrift. Geeignet für Akademiker und Industrieprofis, fördert es ein tiefgreifendes Verständnis von Data Science und lädt Leser ein, über konventionelle Ansätze hinauszudenken. Anstatt sich ausschließlich auf das ¿Wie¿ zu konzentrieren, bietet dieser Text Antworten auf die ¿Warum¿-Fragen, die das Fachgebiet durchdringen, und beleuchtet die zugrunde liegenden Prinzipien maschineller Lernprozesse und ihre praktischen Auswirkungen. Indem dieses Buch systematische Methoden bevorzugt, die auf physikalischen Grundprinzipien basieren, stellt es Branchenpraktiken in Frage, die oft aus ideologischen oder gewinnorientierten Motivationen entstanden sind. Es behandelt eine Reihe von Themen, darunter Deep Learning, Datendrift und MLOps, und nutzt ausgiebig grundlegende Konzepte wie Entropie, Kapazität und hohe Dimensionalität.Dieses Buch ist sowohl für Hochschul- als auch für Industrieprofis geeignet und dient als wertvolles Werkzeug für diejenigen, die ihr Verständnis von Data Science als Ingenieurdisziplin vertiefen möchten. Der zum Nachdenken anregende Inhalt regt die intellektuelle Neugier an und richtet sich an Leser, die mehr wollen als nur Code oder vorgefertigte Formeln. Der Text lädt die Leser dazu ein, über konventionelle Standpunkte hinauszuforschen und bietet eine alternative Perspektive, die eine umfassende Sichtweise für die Integration von Theorie und Praxis fördert. Dieses Buch eignet sich für Kurse im Grund- und Hauptstudium und kann auch praktizierenden Ingenieuren und Wissenschaftlern verschiedener Disziplinen zugute kommen, indem es ihr Verständnis der Modellierung vertieft und die Datenmessung effektiv verbessert. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 49.99 € | Versand*: 0 € -
Maschinelles Lernen mit R , Daten aufbereiten und verarbeiten mit H2O und Keras , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen , Erscheinungsjahr: 20220318, Produktform: Kassette, Inhalt/Anzahl: 1, Inhalt/Anzahl: 1, Autoren: Schell, Uli, Seitenzahl/Blattzahl: 379, Keyword: Datenanalyse; Künstliche Intelligenz; Machine Learning; Maschinelles Lernen; Neuronale Netze; Programmiersprache R, Fachschema: Intelligenz / Künstliche Intelligenz~KI~Künstliche Intelligenz - AI~Programmieren (EDV) / Funktional~Programmiersprachen~Fuzzy Logik - Fuzzy Set~Neuronales Netz - Neuronaler Computer - Neurocomputer, Fachkategorie: Funktionale Programmierung~Programmier- und Skriptsprachen, allgemein~Neuronale Netze und Fuzzysysteme, Bildungszweck: für die Hochschule, Warengruppe: HC/Informatik, Fachkategorie: Maschinelles Lernen, Thema: Verstehen, Sender’s product category: BUNDLE, Verlag: Hanser Fachbuchverlag, Verlag: Hanser Fachbuchverlag, Verlag: Hanser, Carl, Verlag GmbH & Co. KG, Länge: 246, Breite: 183, Höhe: 27, Gewicht: 788, Produktform: Gebunden, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Beinhaltet: B0000054814001 B0000054814002, Beinhaltet EAN: 9783446913905 9783446913912, eBook EAN: 9783446472440 9783446473232, Herkunftsland: DEUTSCHLAND (DE), Katalog: deutschsprachige Titel, Katalog: Gesamtkatalog, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0002, Tendenz: 0, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel,
Preis: 39.99 € | Versand*: 0 € -
Maschinelles Lernen im Onlinehandel , Bachelorarbeit aus dem Jahr 2018 im Fachbereich Informatik - Internet, neue Technologien, Note: 1.0, Universität Potsdam (Hasso Plattner Institut), Sprache: Deutsch, Abstract: Durch die Vielzahl von Onlineshops und Fülle an Angeboten verliert der Onlinekäufer schnell die Übersicht. Preisvergleichsplattformen wie idealo helfen dem Kunden das günstigste Angebot im Netz zu finden. Die Gewährleistung der möglichst vollständigen Markttransparenz ist eine grundlegende Herausforderung für idealo. Das von uns entwickelte Softwaresystem Scout soll dabei helfen, den Produktkatalog von idealo auf Vollständigkeit zu überprüfen und fehlende Angebote aufzulisten. Ein wichtiger Prozessschritt ist dabei die Extrahierung von Produktinformationen, wie Produktname oder Preis, aus den einzelnen Webseiten. Die Schwierigkeit der Extraktion liegt darin, dass jeder Shop einen individuellen Aufbau besitzt und unterschiedlich strukturiert ist. Im Rahmen dieser Arbeit wurde ein Algorithmus entwickelt, welcher mittels maschinellem Lernen die Produktinformationen aus den Webseiten extrahiert. Messungen, welche auf 50 verschiedenen Shops basieren, haben ergeben, dass die Produktinformationen mit einer Precision von über 95 Prozent bei einer Accuracy von etwa 50% extrahiert werden können. , Bücher > Bücher & Zeitschriften
Preis: 14.99 € | Versand*: 0 € -
Maschinelles Lernen mit KI , Das Buch beginnt mit einem Überblick über die verschiedenen Arten von Algorithmen des maschinellen Lernens, darunter überwachtes Lernen, unüberwachtes Lernen und Verstärkungslernen. Anschließend erörtern die Autoren die verschiedenen Datenverarbeitungstechniken, die für das maschinelle Lernen unerlässlich sind, wie z. B. Datenbereinigung, Feature Engineering und Modellauswahl.In den folgenden Kapiteln deckt das Buch eine breite Palette von Themen des maschinellen Lernens ab, darunter:Regression: Eine Technik zur Vorhersage von kontinuierlichen Zielwerten.Klassifizierung: Ein Verfahren zur Vorhersage kategorischer Zielwerte.Clustering: Eine Technik zur Gruppierung ähnlicher Datenpunkte.Dimensionalitätsreduktion: Eine Technik zur Verringerung der Anzahl von Merkmalen in einem Datensatz.Modellbewertung: Eine Technik zur Bewertung der Leistung eines maschinellen Lernmodells.Das Buch enthält auch ein Kapitel über Deep Learning, ein Teilbereich des maschinellen Lernens, der in den letzten Jahren an Popularität gewonnen hat. , Bücher > Bücher & Zeitschriften
Preis: 60.90 € | Versand*: 0 €
Ähnliche Suchbegriffe für Jung-Alexander-Maschinelles-Lernen:
-
Was ist maschinelles Lernen?
Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, bei dem Computer Algorithmen entwickeln, die aus Daten lernen und Muster erkennen können. Dabei werden Modelle erstellt, die es Computern ermöglichen, eigenständig Probleme zu lösen, ohne explizit programmiert zu werden. Maschinelles Lernen wird in verschiedenen Bereichen eingesetzt, wie zum Beispiel in der Bilderkennung, Spracherkennung, medizinischen Diagnosen oder auch im Bereich des autonomen Fahrens. Es ermöglicht es Computern, aus Erfahrungen zu lernen und sich kontinuierlich zu verbessern.
-
Ist maschinelles Lernen nur ein Hype?
Nein, maschinelles Lernen ist kein Hype. Es handelt sich um eine Technologie, die es Computern ermöglicht, aus Daten zu lernen und Vorhersagen oder Entscheidungen zu treffen. Es hat bereits viele Anwendungen in verschiedenen Bereichen wie Medizin, Finanzen und Automobilindustrie gefunden und wird voraussichtlich weiterhin an Bedeutung gewinnen.
-
Sind Datenwissenschaft und maschinelles Lernen also Trends aus KI-Hypes?
Datenwissenschaft und maschinelles Lernen sind nicht nur Trends aus KI-Hypes, sondern auch wichtige und etablierte Bereiche in der Informatik. Sie basieren auf statistischen Methoden und Algorithmen, um Muster und Erkenntnisse aus großen Datenmengen zu gewinnen. Diese Techniken werden in verschiedenen Branchen und Anwendungen eingesetzt, um Entscheidungsprozesse zu verbessern und neue Erkenntnisse zu gewinnen.
-
Wie kann man Ki und maschinelles Lernen mit C verwenden?
Um KI und maschinelles Lernen mit C zu verwenden, kann man auf Bibliotheken wie TensorFlow oder Caffe zurückgreifen, die C-Schnittstellen anbieten. Diese Bibliotheken ermöglichen es, komplexe KI-Modelle zu erstellen und zu trainieren. Darüber hinaus kann man auch eigene Algorithmen und Modelle in C implementieren, um spezifische Aufgaben im Bereich KI und maschinelles Lernen zu lösen.
-
Welche verschiedenen Anwendungsbereiche gibt es für künstliche Intelligenz und maschinelles Lernen?
Künstliche Intelligenz und maschinelles Lernen werden in verschiedenen Bereichen eingesetzt, darunter Medizin, Finanzen, Automobilindustrie und Marketing. In der Medizin können sie bei der Diagnose von Krankheiten und der Entwicklung neuer Behandlungsmethoden helfen. Im Finanzwesen können sie bei der Betrugsprävention und der Analyse von Markttrends eingesetzt werden. In der Automobilindustrie werden sie für autonomes Fahren und die Optimierung von Produktionsprozessen genutzt, während sie im Marketing zur personalisierten Kundenansprache und zur Analyse von Verbraucherdaten eingesetzt werden.
-
Welche verschiedenen Anwendungsbereiche gibt es für künstliche Intelligenz und maschinelles Lernen?
Künstliche Intelligenz und maschinelles Lernen finden Anwendung in verschiedenen Bereichen wie der Medizin, wo sie bei der Diagnose von Krankheiten und der Entwicklung neuer Behandlungsmethoden eingesetzt werden. Im Finanzwesen unterstützen sie bei der Analyse von Marktdaten und der Vorhersage von Trends. In der Automobilindustrie werden sie für die Entwicklung autonomer Fahrzeuge genutzt und im Bereich der Sprach- und Bilderkennung kommen sie in der Unterhaltungs- und Kommunikationstechnologie zum Einsatz.
-
Welche verschiedenen Anwendungsbereiche gibt es für künstliche Intelligenz und maschinelles Lernen?
Künstliche Intelligenz und maschinelles Lernen finden Anwendung in verschiedenen Bereichen wie Gesundheitswesen, Finanzwesen, Automobilindustrie und E-Commerce. Im Gesundheitswesen können sie beispielsweise bei der Diagnose von Krankheiten und der Entwicklung neuer Medikamente eingesetzt werden. Im Finanzwesen können sie bei der Betrugserkennung und der Risikobewertung helfen. In der Automobilindustrie können sie autonomes Fahren ermöglichen und im E-Commerce können sie personalisierte Empfehlungen und Kundenbetreuung bieten.
-
Welche verschiedenen Anwendungsbereiche gibt es für künstliche Intelligenz und maschinelles Lernen?
Künstliche Intelligenz und maschinelles Lernen werden in verschiedenen Bereichen eingesetzt, darunter Medizin, Finanzen, Automobilindustrie und Marketing. In der Medizin können sie bei der Diagnose von Krankheiten und der Entwicklung neuer Behandlungsmethoden helfen. Im Finanzwesen können sie bei der Analyse von Marktdaten und der Risikobewertung eingesetzt werden. In der Automobilindustrie können sie zur Entwicklung autonomer Fahrzeuge und zur Optimierung von Produktionsprozessen verwendet werden. Im Marketing können sie zur Personalisierung von Werbung und zur Analyse von Kundenverhalten eingesetzt werden.
-
Welche verschiedenen Anwendungsgebiete gibt es für künstliche Intelligenz und maschinelles Lernen?
Künstliche Intelligenz und maschinelles Lernen werden in verschiedenen Bereichen eingesetzt, darunter Medizin, Finanzen, Automobilindustrie und Marketing. In der Medizin können sie beispielsweise bei der Diagnose von Krankheiten und der Entwicklung neuer Medikamente helfen. Im Finanzwesen werden sie zur Betrugsprävention und zur Analyse von Marktdaten eingesetzt. In der Automobilindustrie unterstützen sie bei der Entwicklung autonomer Fahrzeuge und in der Marketingbranche bei der Personalisierung von Werbung und der Analyse von Kundenverhalten.
-
Welche verschiedenen Anwendungsgebiete gibt es für künstliche Intelligenz und maschinelles Lernen?
Künstliche Intelligenz und maschinelles Lernen werden in verschiedenen Bereichen eingesetzt, darunter Medizin, Finanzen, Automobilindustrie und Marketing. In der Medizin können sie beispielsweise bei der Diagnose von Krankheiten und der Entwicklung neuer Medikamente helfen. Im Finanzwesen werden sie zur Betrugsprävention und zur Analyse von Markttrends eingesetzt. In der Automobilindustrie können sie autonomes Fahren ermöglichen, während sie im Marketing zur personalisierten Kundenansprache und zur Analyse von Verbraucherdaten eingesetzt werden.
-
Welche verschiedenen Anwendungsgebiete gibt es für künstliche Intelligenz und maschinelles Lernen?
Künstliche Intelligenz und maschinelles Lernen werden in verschiedenen Bereichen eingesetzt, darunter Medizin, Finanzen, Automobilindustrie und Marketing. In der Medizin können sie bei der Diagnose von Krankheiten und der Entwicklung neuer Behandlungsmethoden helfen. Im Finanzwesen werden sie zur Risikobewertung, Betrugserkennung und automatisierten Handelsentscheidungen eingesetzt. In der Automobilindustrie unterstützen sie bei der Entwicklung autonomer Fahrzeuge und verbessern die Sicherheitssysteme. Im Marketing werden sie zur personalisierten Kundenansprache und zur Analyse von Markttrends eingesetzt.
-
Wie beeinflusst maschinelles Lernen die Automobilindustrie, die Gesundheitsbranche und den Finanzsektor?
Maschinelles Lernen hat die Automobilindustrie revolutioniert, indem es die Entwicklung autonomer Fahrzeuge ermöglicht hat, die die Sicherheit und Effizienz des Straßenverkehrs verbessern. In der Gesundheitsbranche wird maschinelles Lernen zur Diagnose von Krankheiten, zur personalisierten Medizin und zur Analyse von medizinischen Bildern eingesetzt, um die Genauigkeit und Effizienz der Behandlung zu verbessern. Im Finanzsektor wird maschinelles Lernen zur Betrugsprävention, zur Risikobewertung und zur automatisierten Handelsentscheidungen eingesetzt, um die Effizienz und Genauigkeit von Finanzdienstleistungen zu steigern.