Algorithmen für künstliches Lernen verstehen
Maschinelles Lernen ist eines der wichtigsten Teilgebiete der künstlichen Intelligenz und das Verstehen und Entwickeln von passenden Algorithmen bleibt die große Herausforderung. Dieses Buch bietet einen außergewöhnlich umfassenden Überblick über die neuesten Algorithmen und die bereits bewährten Verfahren. Jörn Fischer beschreibt nicht nur deren Funktionsweise, sondern gibt für alle Bereiche verständliche Beispiele, die detailliert beschrieben und leicht nachvollziehbar sind. Außerdem werden hilfreiche Methoden zur Fehlersuche und -beseitigung an die Hand gegeben.
Sie erfahren
- Wie Sie mit Python und Frameworks starten
- Wie Sie Optimierung, Clustering und Klassifizierung umsetzen
- Wie generative Methoden und Reinforcement Learning funktionieren
- Wie neuronale Netze arbeiten und erklärbar werden
Tabela de Conteúdo
Einleitung 17
Teil I: Einführung ins Maschinelle Lernen 23
Kapitel 1: Die Welt der KI 25
Kapitel 2: Ein kleiner Mathe-Exkurs 29
Kapitel 3: Python-Grundlagen 55
Kapitel 4: Das Wichtigste: die Daten 69
Teil II: Grundlegende Optimierungs- und Lernalgorithmen 83
Kapitel 5: Einfach besser werden 85
Kapitel 6: Natürlich – künstliche Evolution 97
Kapitel 7: Clustering 115
Kapitel 8: Klassifikation 123
Kapitel 9: Regression 145
Teil III: Neuronale Netze 153
Kapitel 10: Und was ist mit neuronalen Netzen? 155
Kapitel 11: Tiefe Netze 193
Kapitel 12: Generative Netze 219
Kapitel 13: Rückgekoppelte Netze 237
Kapitel 14: Neuronale Netze erklärbar 259
Teil IV: Verstärkendes Lernen 271
Kapitel 15: Reinforcement Learning 273
Kapitel 16: Reinforcement Learning kombiniert 289
Kapitel 17: Ein kleiner Blick in die Zukunft 305
Teil V: Der Top-Ten-Teil 313
Kapitel 18: Zehn Tipps, damit es funktioniert 315
Kapitel 19: Zehn Kategorien für die Anwendung 319
Literaturverzeichnis 327
Abbildungsverzeichnis 329
Stichwortverzeichnis 337
Sobre o autor
Jörn Fischer lehrt und forscht als Professor der Informatik an der Hochschule Mannheim. Sein Interesse für neuronale Netze und maschinelles Lernen geht zurück bis in die frühen 1990-er Jahre. Seit 2010 hält er Vorlesungen im Bereich maschinelles Lernen und begleitet die Umsetzung der Algorithmen in zahlreichen Projekten.