69,95 €
69,95 €
inkl. MwSt.
Sofort per Download lieferbar
Versandkostenfrei*
0 °P sammeln
69,95 €
69,95 €
inkl. MwSt.
Sofort per Download lieferbar
Versandkostenfrei*

Alle Infos zum eBook verschenken
0 °P sammeln
Als Download kaufen
69,95 €
inkl. MwSt.
Sofort per Download lieferbar
0 °P sammeln
Jetzt verschenken
69,95 €
inkl. MwSt.
Sofort per Download lieferbar

Alle Infos zum eBook verschenken
0 °P sammeln
  • Format: PDF


Das maschinelle Lernen ist zwangsläufig eines der am schnellsten wachsenden Gebiete der Computerwissenschaft. Nicht nur die zu verarbeitenden Datenmengen werden immer umfangreicher, sondern auch die Theorie, wie man sie verarbeiten und in Wissen verwandeln kann.
"Maschinelles Lernen" ist ein verständlich geschriebenes Lehrbuch, welches ein breites Spektrum an Themen aus verschiedenen Bereichen abdeckt, wie zum Beispiel Statistik, Mustererkennung, neuronale Netze, künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. Darüber hinaus beinhaltet das Buch auch Themen, die von…mehr

Produktbeschreibung
Das maschinelle Lernen ist zwangsläufig eines der am schnellsten wachsenden Gebiete der Computerwissenschaft. Nicht nur die zu verarbeitenden Datenmengen werden immer umfangreicher, sondern auch die Theorie, wie man sie verarbeiten und in Wissen verwandeln kann.

"Maschinelles Lernen" ist ein verständlich geschriebenes Lehrbuch, welches ein breites Spektrum an Themen aus verschiedenen Bereichen abdeckt, wie zum Beispiel Statistik, Mustererkennung, neuronale Netze, künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. Darüber hinaus beinhaltet das Buch auch Themen, die von einführenden Werken häufig nicht behandelt werden. Unter anderem: Überwachtes Lernen; Bayessche Entscheidungstheorie; parametrische und nichtparametrische Statistik; multivariate Analysis; Hidden-Markow-Modelle; bestärkendes Lernen; Kernel-Maschinen; graphische Modelle; Bayes-Schätzung und statistische Testmethoden. Da maschinelles Lernen eine immer größere Rolle für Studierende der Informatik spielt, geht die zweite Aufl age des Buches auf diese Veränderung ein und unterstützt gezielt Anfänger in diesem Gebiet, unter anderem durch Übungsaufgaben und zusätzliche Beispieldatensätzen.

Prof. Dr. Ethem Alpaydin, Bogaziçi University, Istanbul.


Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

  • Produktdetails
  • Verlag: Gruyter, Walter de GmbH
  • Seitenzahl: 655
  • Erscheinungstermin: 20.05.2019
  • Deutsch
  • ISBN-13: 9783110617894
  • Artikelnr.: 59756300
Autorenporträt
Ethem Alpaydin ist Professor für Informatik an der Bogazici University in Istanbul
Inhaltsangabe
- Einführung - Überwachtes Lernen - Bayessche Entscheidungstheorie - Parametrische Methoden - Multivariante Methoden - Dimensionalitätsreduktion - Clustering - Nichtparametrische Methoden - Entscheidungsbäume - Lineare Diskriminanz - Mehrlagige Perzeptronen - Lokale Modelle - Hidden-Markov-Modelle - Bewertung und Vergleich von Klassifikatonsalgorithmen - Kombination multipler Lernender - Bestärkendes Lernen - Wahrscheinlichkeit
Rezensionen
"Das Buch ist sehr übersichtlich gegliedert und schließt vom Umfang her eine Lücke in der Fachliteratur, insbesondere was die mathematischen Methoden zum maschinellen Lernen betriffft." Prof. Dr.-Ing. K.-D. Morgeneier, Fachhochschule Jena "Der Stoff ist sehr aktuell, sehr viele Themen der Stochastik werden unter einem gemeinsamen Gesichtspunkt behandelt." Ernst Plöchinger, FH München