Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 4 Stimmen.
Applied Machine Learning
Methoden des maschinellen Lernens sind heute ein wichtiges Werkzeug für Wissenschaftler, Forscher, Ingenieure und Studenten in einer Vielzahl von Bereichen. Dieses Buch richtet sich an Personen, die sich die wichtigsten Werkzeuge des maschinellen Lernens aneignen und anwenden möchten, aber nicht unbedingt Forscher im Bereich des maschinellen Lernens werden wollen. Dieses Lehrbuch ist für Studenten im letzten Jahr des Grundstudiums oder im ersten Jahr des Informatikstudiums im Bereich des maschinellen Lernens gedacht und stellt ein Toolkit für maschinelles Lernen dar. Angewandtes maschinelles Lernen deckt viele Themen für Menschen ab, die maschinelle Lernprozesse nutzen wollen, um Dinge zu erledigen, wobei der Schwerpunkt auf der Verwendung vorhandener Tools und Pakete liegt, anstatt eigenen Code zu schreiben.
Als Begleitbuch zum Buch Probability and Statistics for Computer Science des Autors knüpft dieses Buch dort an, wo das frühere Buch aufgehört hat (liefert aber auch eine Zusammenfassung der Wahrscheinlichkeitsrechnung, die der Leser verwenden kann).
Mit dem Schwerpunkt auf der Nützlichkeit von Standardverfahren aus der angewandten Statistik gibt dieses Lehrbuch einen Überblick über die wichtigsten angewandten Bereiche des Lernens, einschließlich der Abdeckung von: - Klassifikation mit Hilfe von Standardverfahren (Naive Bayes; Nearest Neighbor; SVM)- Clustering und Vektorquantisierung (weitgehend wie in PSCS)- PCA (weitgehend wie in PSCS)- Varianten der PCA (NIPALS; Latent Semantic Analysis; Kanonische Korrelationsanalyse)- Lineare Regression (weitgehend wie in PSCS)- Verallgemeinerte lineare Modelle einschließlich logistischer Regression- Modellauswahl mit Lasso, Elasticnet- Robustheit und m-Schätzer- Markov-Ketten und HMM's (weitgehend wie in PSCS)- EM in ziemlich blutigen Details; Die langjährige Erfahrung im Unterrichten dieses Themas legt nahe, dass ein detailliertes Beispiel erforderlich ist, das die Studenten hassen; aber wenn sie das einmal durchgenommen haben, ist das nächste einfach - einfache grafische Modelle (im Abschnitt über Variationsinferenz) - Klassifizierung mit neuronalen Netzen, mit besonderem Schwerpunkt auf Bildklassifizierung - Autocodierung mit neuronalen Netzen - Strukturlernen.
| ISBN: | 9783030181130 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
Derzeit verfügbar, auf Lager.
