Maschinelles Lernen für absolute Anfänger. Ein Einführungskurs, der einfach erklärt wird

Praktische und ausführliche Einführung in das maschinelle Lernen.
Einfache und verständliche Erklärungen sowie die Notwendigkeit ohne Programmiererfahrung machen dieses Buch zu einer hervorragenden Alternative zu akademischen Lehrbüchern. Hier werden die grundlegenden Algorithmen des maschinellen Lernens (ML) vorgestellt, die von anschaulichen Beispielen und praktischen Arbeiten begleitet werden. Sie erfahren auch von Kreuzvalidierung, Ensemble-Modellierung, Grid-Searching zur Optimierung von Modellen, Feature-Engineering, One-Hot-Encoding und vielem mehr.
Um intelligente Maschinen zu entwickeln, muss man zunächst die klassische Statistik verstehen, da die darauf basierenden Algorithmen das Herzstück des maschinellen Lernens sind. Das Schreiben von Code ist ein weiterer wesentlicher Bestandteil des ML, der die Datenverwaltung umfasst. Allerdings kann das Material dieses Leitfadens auch ohne Programmierkenntnisse erlernt werden.
Möglicherweise beginnt Ihr Weg zur Arbeit im Bereich des maschinellen Lernens mit dem Lesen dieses Buches, vielleicht befriedigt es einfach Ihre Neugier.

Im Inneren des Leitfadens:
• Herunterladen kostenloser Datensätze.
• Methoden zur Datenbereinigung, einschließlich One-Hot-Encoding, Gruppierung und der Behandlung fehlender Daten.
• Datenvorbereitung für die Analyse.
• Lineare Regressionsanalyse.
• Clusteranalyse, einschließlich k-means-Clustering.
• Grundlagen der neuronalen Netze.
• Bias/Variance zur Verbesserung des Modells des maschinellen Lernens.
• Entscheidungsbäume zur Dekodierung von Klassifikationen.
• Ihr erstes Modell für maschinelles Lernen mit Python.

Oliver Theobald ist technischer Schriftsteller, spezialisiert auf Themen der künstlichen Intelligenz, Fintech und Cloud-Computing. Autor von Büchern wie Python für absolute Anfänger, Maschinelles Lernen mit Python für Anfänger, Datenanalyse für absolute Anfänger und mehr.