Details

<p>Einleitung 17</p> <p><b>Teil I: Einführung ins Maschinelle Lernen 23</b></p> <p>Kapitel 1: Die Welt der KI 25</p> <p>Kapitel 2: Ein kleiner Mathe-Exkurs 29</p> <p>Kapitel 3: Python-Grundlagen 55</p> <p>Kapitel 4: Das Wichtigste: die Daten 69</p> <p><b>Teil II: Grundlegende Optimierungs- und Lernalgorithmen 83</b></p> <p>Kapitel 5: Einfach besser werden 85</p> <p>Kapitel 6: Natürlich – künstliche Evolution 97</p> <p>Kapitel 7: Clustering 115</p> <p>Kapitel 8: Klassifikation 123</p> <p>Kapitel 9: Regression 145</p> <p><b>Teil III: Neuronale Netze 153</b></p> <p>Kapitel 10: Und was ist mit neuronalen Netzen? 155</p> <p>Kapitel 11: Tiefe Netze 193</p> <p>Kapitel 12: Generative Netze 219</p> <p>Kapitel 13: Rückgekoppelte Netze 237</p> <p>Kapitel 14: Neuronale Netze erklärbar 259</p> <p><b>Teil IV: Verstärkendes Lernen 271</b></p> <p>Kapitel 15: Reinforcement Learning 273</p> <p>Kapitel 16: Reinforcement Learning kombiniert 289</p> <p>Kapitel 17: Ein kleiner Blick in die Zukunft 305</p> <p><b>Teil V: Der Top-Ten-Teil 313</b></p> <p>Kapitel 18: Zehn Tipps, damit es funktioniert 315</p> <p>Kapitel 19: Zehn Kategorien für die Anwendung 319</p> <p>Literaturverzeichnis 327</p> <p>Abbildungsverzeichnis 329</p> <p>Stichwortverzeichnis 337</p>

<p><b>Jörn Fischer </b>lehrt und forscht als Professor der Informatik an der Hochschule Mannheim. Sein Interesse für neuronale Netze und maschinelles Lernen geht zurück bis in die frühen 1990-er Jahre. Seit 2010 hält er Vorlesungen im Bereich maschinelles Lernen und begleitet die Umsetzung der Algorithmen in zahlreichen Projekten.

<p><b>Algorithmen für künstliches Lernen verstehen</b> <p>Maschinelles Lernen ist eines der wichtigsten Teilgebiete der künstlichen Intelligenz und das Verstehen und Entwickeln von passenden Algorithmen bleibt die große Herausforderung. Dieses Buch bietet einen außergewöhnlich umfassenden Überblick über die neuesten Algorithmen und die bereits bewährten Verfahren. Jörn Fischer beschreibt nicht nur deren Funktionsweise, sondern gibt für alle Bereiche verständliche Beispiele, die detailliert beschrieben und leicht nachvollziehbar sind. Außerdem werden hilfreiche Methoden zur Fehlersuche und -beseitigung an die Hand gegeben. <p><b>Sie erfahren</b> <ul><li>Wie Sie mit Python und Frameworks starten</li> <li>Wie Sie Optimierung, Clustering und Klassifizierung umsetzen </li> <li>Wie generative Methoden und Reinforcement Learning funktionieren </li> <li>Wie neuronale Netze arbeiten und erklärbar werden</li></ul>

DE