Maschinelles Lernen mit wenig Programmierung

In dem Buch werden drei problembasierte Arten des maschinellen Lernens (Machine Learning, ML) detailliert dargestellt: automatisiertes Lernen AutoML ohne Programmierung, Lernen mit BigQuery ML mit geringem Programmieraufwand und Lernen mit benutzerdefiniertem Code auf der Basis der Bibliotheken scikit-learn und Keras. Dabei sind vom Leser keine tiefgehenden Vorkenntnisse in ML oder Programmierung erforderlich, jedoch sind grundlegende Fähigkeiten in diesen Bereichen von Vorteil. Spezialisierte Bibliotheken, ML-Frameworks, das GitHub-Repository und andere Werkzeuge werden nach Bedarf beschrieben. In jedem spezifischen Fall werden die Schlüsselkonzepte des ML unter Verwendung realer Datensätze zur Lösung realer Probleme erläutert. Die Anwendung von AutoML zur Verkaufsprognose, die Nutzung von BigQuery ML zur Schulung linearer Regressionsmodelle, das Training benutzerdefinierter ML-Modelle in Python zur Vorhersage von Kundenabwanderung und eine Reihe anderer populärer Business-Case-Studien werden behandelt.