Machine Learning – kurz & gut Eine Einführung mit Python, Scikit-Learn und TensorFlow

Das Buch wird dem Slogan "kurz & gut" absolut gerecht, ich kann es insbesondere Einsteigern empfehlen, die sich noch nicht oder kaum mit dem Thema beschäftigt haben. In neun Kapiteln auf 200 Seiten erhält man nicht nur einen super Überblick über das Thema sondern kann sich anhand der Codebeispiele auch gleich "Hands On" mit Machine Learning befassen. Wichtig ist zu berücksichtigen, dass das Buch lediglich den Einstieg erleichtern soll, d.h. es ist kein tiefgehendes Nachschlagewerk und will es auch gar nicht sein sondern schildert knapp das konzeptuelle Wissen zu den Aspekten Supervised/Unsupervised Learning, Neuronale Netze und Reinforcement Learning. Wer Interesse hat, findet am Ende jedes Kapitels unter den "weiterführenden Links" zahlreiche Möglichkeiten das vermittelte Wissen zu vertiefen. Wo ich mir ein wenig mehr gewünscht hätte wäre das Kapitel "Datenimport- und vorbereitung", das ist ja häufig die Crux beim ML. Insgesamt aber ein sehr gut gelungener Einstieg ins Thema!

Das Buch bietet einen schnellen Einstieg Machine Learning anhand von Beispielen in Jupiter Notebooks. Meistens sind die Verfahren gut erklärt (Kenntnisse in Oberstufenmathematik voraus gesetzt). Punktabzug gibt es für die misslungene Beschreibung der Precision-Recall Kurve und ROC-Kurve. Wer die Beispiele selbst eingeben möchte, der sollte trotzdem die Notebooks herunter laden, denn die Codebeispiele im Buch sind aus Platzgründen unvollständig und enthalten oft nur den für ML spezifischen Teil. Ich hatte mit Anaconda arge Mühe, eine Umgebung zu bauen, in der das Notebook des letzten Kapitels läuft.