Maschinelles Lernen In Aktion
Alan T. Norman
Sind Sie auf der Suche nach einem Einsteigerbuch, um sich mit den grundlegenden Konzepten des maschinellen Lernens vertraut zu machen?
Mein Buch erklärt Ihnen die grundlegenden Konzepte auf einfach verständliche Weise. Wenn Sie dieses Buch gelesen haben, werden Sie ein solides Verständnis für die Grundprinzipien haben, das Ihnen den Schritt zu einem fortgeschritteneren Buch erleichtert, wenn Sie mehr darüber lernen möchten.
Translator: Bianca Balzer
Maschinelles Lernen in Aktion
Ein Grundlagenbuch für den Laien
Alan T. Norman
Aus dem Englischen übersetzt von Frank Münker
Copyright © 2020 Alan T. Norman - Alle Rechte vorbehalten.
Kein Teil dieser Veröffentlichung darf ohne vorherige schriftliche Genehmigung des Herausgebers in irgendeiner Form oder auf irgendeine Weise, einschließlich Fotokopieren, Aufzeichnen oder mit anderen elektronischen oder mechanischen Methoden, oder durch ein Informationsspeicher- und -abrufsystem reproduziert, verbreitet oder übertragen werden, außer bei sehr kurzen Zitaten, die in kritischen Rezensionen und bestimmten anderen nicht kommerziellen, nach dem Urheberrechtsgesetz erlaubten Verwendungen enthalten sind.
Warum Ich Dieses Buch Geschrieben Habe (#ulink_09bb0cb3-d08b-5a81-97de-101e8b2d60a2)
In diesem Buch geht es nicht um das Codieren von Lernalgorithmen (#ulink_ecf9f689-5892-50f7-8f1d-293a2de846e7)
Eine Einführung für den Laien (#ulink_7f65f2cb-2bf5-5535-92ac-9afeee3be23d)
Kapitel 1. Was ist Maschinelles Lernen? (#ulink_a6a6bbf0-b8df-5d28-91b9-e8ecc0ae2420)
Explizite Programmierung vs. Algorithmustraining (#ulink_6a025594-4f7a-5081-badb-67f0b24927b7)
Definition: Künstliche Intelligenz vs. maschinelles lernen vs. neuronale netze (#ulink_2c129f70-d3fc-5ce9-adff-cbc509a07dc9)
Grundlegende Konzepte (#ulink_80e1e34b-1870-5fee-810e-328969646f76)
Überwachtes vs. unüberwachtes lernen (#ulink_9e02e634-088c-5f95-a2a5-97dc51339a24)
Welche Probleme kann man mit Maschinellem Lernen lösen? (#ulink_e759f778-915e-5e8e-a4e9-91017c9d8987)
Die Black Box: Was wir nicht über maschinelles Lernen wissen (#ulink_93c679a8-99e3-56d3-baf6-ac836c54df81)
Tieferer einstieg (#ulink_f63f4780-66c5-5bd0-bf78-e5af957b44e2)
Kapitel 2. Bereinigung, Beschriftung und Pflegen von Daten (#ulink_fe74ad92-bf64-5bf1-bffa-6821893113d6)
Datenbereinigung (#ulink_748f5a91-9f74-5389-8bc4-2501794accc6)
Große Datensätze für ML erforderlich (#ulink_47421a47-03c9-54f2-9da7-a222eb54d347)
Die Daten müssen gut beschriftet sein (#ulink_0e8c158c-0dae-589b-bbc0-79022017671e)
Kapitel 3. Auswählen Oder Schreiben Eines ML-Algorithmus (#ulink_1c8b387f-fa67-5c55-8130-33a4e2db2a3a)
Grundlegende Konzepte (#ulink_b6c3640f-908a-5a64-aac3-e5e4e4b2eede)
Gängige Algorithmus-Arten (#ulink_1e75d6e8-f10c-5921-9688-a36158ccea9f)
Was man braucht, um einen neuen Algorithmus zu schreiben (#ulink_6d948b84-7add-54f1-acf0-9199a693bd83)
Kapitel 4. Training und Einführung Eines Algorithmus (#ulink_fe35fd03-536d-5fa3-a953-7b6461f74e20)
Programmierung (#ulink_e3ddfb42-be1e-52c5-9bac-35a1be965196)
Statisch vs. dynamisch (#ulink_a3e6b5b8-59d3-5615-82ff-3bf4ce423539)
Tuning und feature engineering (#ulink_162ccfd1-3fe9-5780-99ba-cd22f62fcd45)
Einen Algorithmus wegwerfen (#ulink_05edeb3e-240a-5f17-a95e-c42d1c9ec512)
Kapitel 5. Praktische Anwendungen des Maschinellen Lernens (#ulink_1d1b2137-79a8-5d62-9f71-b7fb5c3f00c9)
Transport (#ulink_12a8da1d-2cc5-5dee-8474-123bbaebeb04)
Produktempfehlungen (#ulink_22c60bd8-f8a6-5f26-83bd-0539ae98f1e4)
Finanzen (#ulink_a200393e-548f-57d7-a924-4c1766e9bd0e)
Sprachassistenten, Intelligente Häuser und Autos (#ulink_0639cdf8-d7ff-52ac-bd26-0fb1929e677c)
Fazit (#ulink_25c902d3-ac42-5af2-95ae-33e94e9f5179)
Über den Autor (#ulink_49536d38-2c85-527d-9750-b4fb7eabeee8)
Bitcoin Whales Bonus Buch (#ulink_5e91d8e6-995f-584b-bb08-7f03fd0329aa)
Andere Bücher von Alan T. Norman: (#ulink_392df6d1-8bd1-5f32-9bf3-ba170563b35a)
Noch eine letzte Sache ... (#ulink_4e2ffed3-b448-51d9-b30c-b4fa0f696352)
Warum Ich Dieses Buch Geschrieben Habe
Willkommen in der Welt des maschinellen Lernens!
Die künstliche Intelligenz ist dabei, den Lauf der Menschheitsgeschichte zu verändern, vielleicht mehr als jede andere Technologie zuvor. Ein großer Teil dieser Revolution ist das maschinelle Lernen.
Maschinelles Lernen ist die Wissenschaft, einem Computer beizubringen, auf der Grundlage von Daten Vorhersagen zu machen. Grundsätzlich bedeutet maschinelles Lernen, einen Computer mit Daten zu füttern und ihn daraus eine Vorhersage ableiten zu lassen. Am Anfang wird der Computer noch oft falsche Vorhersagen machen, doch im Verlauf von Tausenden von Vorhersagen wird der Computer seinen Algorithmus verfeinern, um bessere Vorhersagen zu treffen.
Diese Art von vorausschauenden Berechnungen war bislang nicht möglich, weil die Computer einfach nicht genug Daten speichern und nicht schnell genug rechnen konnten, um effektiv lernen zu können. Aber Jahr für Jahr werden die Computer in wachsendem Tempo immer besser. Fortschritte bei Speicher und Rechenleistung treiben die Entwicklung hin zu intelligenteren Maschinen an. Dadurch sind die Rechner heutzutage zu Dingen in der Lage, die noch vor ein oder zwei Jahrzehnten völlig undenkbar gewesen wären.
Das maschinelle Lernen hat schon heute Einfluss auf unser Leben. Amazon verwendet maschinelles Lernen, um vorherzusagen, welche Produkte Sie kaufen möchten. Gmail benutzt es, um Spam-Mails aus Ihrem Posteingang herauszufiltern. Die Filmempfehlungen, die Netflix Ihnen gibt, basieren auf Algorithmen des maschinellen Lernens.
