Bewertung:
Die Nutzermeinungen zum Buch sind gemischt, wobei die Zugänglichkeit und der einführende Charakter des Buches hervorgehoben, aber auch die Tiefe und die Bearbeitungsschwächen kritisiert werden. Einige Leser schätzen die Klarheit, mit der die Konzepte des maschinellen Lernens erklärt werden, während andere finden, dass es an technischen Details und umfassenden Erklärungen mangelt.
Vorteile:⬤ Eine großartige Arbeit, die komplizierte Konzepte einfach und zugänglich macht.
⬤ Bietet einen klaren und prägnanten Überblick über maschinelles Lernen für Einsteiger.
⬤ Spricht ein breites Publikum an, einschließlich Schüler und Studenten.
⬤ Gut für diejenigen, die ein schnelles Verständnis von maschinellem Lernen und KI erlangen wollen.
⬤ Die schnelle Lieferung und der gute Zustand werden gelobt.
⬤ Viele Kritikpunkte betreffen die Verwendung des Passivs und die schlechte Bearbeitung, einschließlich Tippfehler.
⬤ Für diejenigen, die sich ernsthaft mit maschinellem Lernen befassen, wird das Buch als zu grundlegend und zu wenig tiefgehend angesehen.
⬤ Einige Abschnitte sind redundant oder mäandernd.
⬤ Der philosophische Ansatz mag nicht bei allen Lesern Anklang finden, insbesondere nicht bei denen, die praktische Anwendungen suchen.
⬤ Ungenauigkeiten in Bezug auf die Aktualität einiger Informationen.
⬤ Nicht geeignet für technische oder fortgeschrittene Lernende.
(basierend auf 78 Leserbewertungen)
Machine Learning: The New AI
Ein knapper Überblick über maschinelles Lernen - Computerprogramme, die aus Daten lernen -, das Anwendungen wie Empfehlungssystemen, Gesichtserkennung und fahrerlosen Autos zugrunde liegt.
Das maschinelle Lernen liegt heute einer Reihe von Anwendungen zugrunde, die wir täglich nutzen, von Produktempfehlungen bis zur Spracherkennung, aber auch einigen, die wir noch nicht täglich nutzen, wie fahrerlose Autos. Es ist die Grundlage für den neuen Ansatz in der Informatik, bei dem wir keine Programme schreiben, sondern Daten sammeln.
Die Idee ist, die Algorithmen für die Aufgaben automatisch aus den Daten zu lernen. Da Computergeräte immer allgegenwärtiger werden und ein immer größerer Teil unseres Lebens und unserer Arbeit digital aufgezeichnet wird, hat sich auch die Theorie des maschinellen Lernens - die Grundlage der Bemühungen, diese Daten in Wissen umzuwandeln - weiterentwickelt, während "Big Data" immer größer wurde. In diesem Buch bietet der Experte für maschinelles Lernen, Ethem Alpaydin, dem allgemeinen Leser einen prägnanten Überblick über das Thema, beschreibt seine Entwicklung, erläutert wichtige Lernalgorithmen und stellt Anwendungsbeispiele vor.
Alpaydin schildert, wie sich die digitale Technologie von zahlenverarbeitenden Großrechnern zu mobilen Geräten entwickelt hat, und stellt den heutigen Boom des maschinellen Lernens in den Kontext. Er beschreibt die Grundlagen des maschinellen Lernens und einige Anwendungen.
Die Verwendung von Algorithmen des maschinellen Lernens für die Mustererkennung.
Künstliche neuronale Netze nach dem Vorbild des menschlichen Gehirns.
Algorithmen, die Assoziationen zwischen Instanzen lernen, mit Anwendungen wie Kundensegmentierung und Lernempfehlungen.
Und Verstärkungslernen, bei dem ein autonomer Agent lernt, so zu handeln, dass die Belohnung maximiert und die Strafe minimiert wird. Alpaydin geht dann auf einige künftige Richtungen des maschinellen Lernens und des neuen Bereichs der "Datenwissenschaft" ein und erörtert die ethischen und rechtlichen Auswirkungen auf den Datenschutz und die Datensicherheit.
| ISBN: | 9780262529518 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2016 |
| Seitenzahl: | 224 |
Derzeit verfügbar, auf Lager.
