000			04596nam a22003253i 4500
001			EBC6947733
003			MiAaPQ
005			20250225161105.0
007			cr cnu||||||||
008			250225s2019 xx o ||||0 ger d
020			_a9783958459960 _q(electronic bk.)
040			_aMiAaPQ _beng _cMiAaPQ
100	1		_aBurkov, Andriy. _965896
245	1	0	_aMachine Learning kompakt : _bAlles, was Sie wissen müssen.
250			_a1st ed.
264		1	_aFrechen : _bmitp, _c2019.
264		4	_c{copy}2019.
300			_a1 online resource (202 pages)
336			_aText _btxt _2rdacontent
337			_aComputermedien _bc _2rdamedia
338			_aOnline Resource _bcr _2rdacarrier
500			_aE-Book-ProQuest / Fernzugriff nach Registrierung möglich
505	0		_aCover -- Titel -- Impressum -- Vorwort zur deutschen Ausgabe -- Vorwort -- Einleitung -- Wer sollte dieses Buch lesen? -- Verwendung des Buchs -- Einführung -- Was ist Machine Learning? -- Arten des Lernens -- Überwachtes Lernen -- Unüberwachtes Lernen -- Teilüberwachtes Lernen -- Reinforcement Learning -- Funktionsweise des überwachten Lernens -- Weshalb das Modell mit neuen Daten umgehen kann -- Notation und Definitionen -- Notation -- Datenstrukturen -- Summenschreibweise -- Produktschreibweise -- Mengenoperationen -- Vektoroperationen -- Funktionen -- Max und Arg Max -- Zuweisungsoperator -- Ableitung und Gradient -- Zufallsvariable -- Erwartungstreue Schätzer -- Satz von Bayes -- Parameterschätzung -- Parameter und Hyperparameter -- Klassifikation und Regression -- Modellbasiertes und instanzbasiertes Lernen -- Shallow Learning und Deep Learning -- Grundlegende Algorithmen -- Lineare Regression -- Problemstellung -- Lösung -- Logistische Regression -- Problemstellung -- Lösung -- Entscheidungsbaum-Lernen -- Problemstellung -- Lösung -- Support Vector Machine -- Handhabung von Rauschen -- Handhabung inhärenter Nichtlinearität -- k-Nearest-Neighbors -- Aufbau eines Lernalgorithmus -- Bausteine eines Lernalgorithmus -- Gradientenabstieg -- Wie Machine-Learning-Entwickler vorgehen -- Besonderheiten von Lernalgorithmen -- Grundlegende Techniken -- Merkmalserstellung -- One-hot-Codierung -- Binning -- Normalisierung -- Standardisierung -- Handhabung fehlender Merkmale -- Datenimputationsverfahren -- Auswahl von Lernalgorithmen -- Drei Mengen -- Unteranpassung und Überanpassung -- Regularisierung -- Beurteilung der Leistung eines Modells -- Wahrheitsmatrix -- Genauigkeit und Trefferquote -- Korrektklassifikationsrate -- Kostensensitive Korrektklassifikationsrate -- Fläche unter der ROC-Kurve -- Abstimmung der Hyperparameter -- Kreuzvalidierung.
505	8		_aNeuronale Netze und Deep Learning -- Neuronale Netze -- Beispiel: mehrschichtiges Perzeptron -- Neuronale Feedforward-Netzarchitektur -- Deep Learning -- Convolutional Neural Networks (CNNs) -- Rekurrente neuronale Netze (RNNs) -- Aufgaben und Lösungen -- Kernel-Regression -- Multi-Class-Klassifikation -- One-Class-Klassifikation -- Multi-Label-Klassifikation -- Ensemble Learning -- Boosting und Bagging -- Random Forest -- Gradient Boosting -- Kennzeichnung von Sequenzen erlernen -- Sequenz-zu-Sequenz-Lernen -- Aktives Lernen -- Teilüberwachtes Lernen -- One-Shot Learning -- Zero-Shot Learning -- Fortgeschrittene Techniken -- Handhabung unausgewogener Datenmengen -- Modelle kombinieren -- Trainieren neuronaler Netze -- Erweiterte Regularisierung -- Handhabung mehrerer Eingaben -- Handhabung mehrerer Ausgaben -- Transfer Learning -- Effizienz von Algorithmen -- Unüberwachtes Lernen -- Dichteschätzung -- Clustering -- k-Means-Clustering -- DBSCAN und HDBSCAN -- Anzahl der Cluster festlegen -- Weitere Clustering-Algorithmen -- Dimensionsreduktion -- Hauptkomponentenanalyse -- UMAP -- Erkennung von Ausreißern -- Weitere Formen des Lernens -- Metric Learning -- Ranking -- Empfehlungen -- Faktorisierungsmaschinen -- Denoising Autoencoder -- Selbstüberwachtes Lernen: Wort-Embeddings -- Schlussbemerkungen -- Was nicht behandelt wurde -- Topic Modeling -- Gaußprozesse -- Generalisierte lineare Modelle -- Probabilistische grafische Modelle -- Markow-Ketten-Monte-Carlo-Algorithmen -- Generative Adversarial Networks -- Genetische Algorithmen -- Reinforcement Learning -- Danksagungen -- Index.
655			_aFernzugriff _9230
655		4	_aElectronic books.
776	0	8	_iPrint version: _aBurkov, Andriy _tMachine Learning kompakt _dFrechen : mitp,c2019
856	4	0	_uhttps://ebookcentral.proquest.com/lib/maxweberstiftung-ebooks/detail.action?docID=6947733 _zVolltext
942			_cEB
999			_c72182 _d72182