Machine Learning kompakt

• Alles, was Sie über Machine Learning wissen müssen, auf nur 200 Seiten
• Von Support Vector Machines über Gradient Boosting und tiefe neuronale Netze bis hin zu unüberwachten Lernmethoden
• Zahlreiche Tipps und Empfehlungen für den praktischen Einsatz

Sie möchten Machine Learning verstehen und dafür nicht unendlich viel Zeit aufwenden und Hunderte von Seiten lesen? Dann ist dieses Buch das richtige für Sie.

Auf 200 Seiten bringt Andriy Burkov die wichtigsten Begriffe, Konzepte und Algorithmen des Machine Learnings auf den Punkt. Dabei vermittelt er nicht nur alle notwendigen theoretischen Grundlagen, sondern geht auch auf die praktische Anwendung der einzelnen Verfahren ein, ohne dabei die zugrundeliegenden mathematischen Gleichungen außer Acht zu lassen.

Dieses Buch bietet einen leicht zugänglichen, programmiersprachenunabhängigen und trotz seiner Kürze umfassenden Einstieg ins Machine Learning.

• Notation und mathematische Grundlagen
• Überwachtes, teilüberwachtes und unüberwachtes Lernen
• Grundlegende Lernalgorithmen:
• Lineare und logistische Regression
• Entscheidungsbäume
• Support Vector Machines
• k-Nearest-Neighbors
• Optimierung mittels Gradientenabstieg
• Merkmalserstellung und Handhabung fehlender Merkmale
• Auswahl des passenden Lernalgorithmus
• Bias, Varianz und das Problem der Unter- und Überanpassung
• Regularisierung, Bewertung eines Modells und Abstimmung der Hyperparameter
• Deep Learning mit CNNs, RNNs und Autoencodern
• Multi-Class-, One-Class- und Multi-Label-Klassifikation
• Ensemble Learning
• Clustering, Dimensionsreduktion und Erkennen von Ausreißern
• Selbstüberwachtes Lernen
• Wort-Embeddings, One-Shot und Zero-Shot Learning

Stimmen zum Buch: