© Excellent backgrounds/Shutterstock.com
Java Magazin
Bücher

Bücher: Machine Learning mit Python und Scikit-learn und TensorFlow

Über künstliche Intelligenz lassen sich hervorragend mathematisch komplizierte Lehrbücher veröffentlichen. Das von Vahid Mirjalili und Sebastian Raschka bei Packt Publishing herausgegebene und von mitp übersetzte Lehrbuch möchte mathematische Inhalte in den Hintergrund stellen und stattdessen zeigen, wie man mittels Framework unbürokratisch Systeme realisiert.

Tam Hanna


Das erste Kapitel beginnt mit der Vorstellung der drei Arten des Machine Learning. Überwachtes Lernen, unüberwachtes Lernen und verstärkendes Lernen sind Begriffe, die der Entwickler kennen sollte – schon deshalb, weil sie sich in Dokumenten zum Thema immer wieder finden.Im zweiten Kapitel demonstrieren die Autoren die hinter Neuronen stehende Mathematik und reißen auch eine mögliche programmatische Implementierung an. Es handelt sich dabei allerdings nur um einen groben Überblick, wer genauere Informationen will, ist an dieser Stelle falsch aufgehoben.Der nächste Abschnitt beschäftigt sich mit der Arbeit mit scikit-learn, einem sehr weit verbreiteten Framework auf Basis von Python, mit dem sich mehr oder weniger komplizierte Anwendungen der künstlichen Intelligenz realisieren lassen. Der erste durchzuführende Test ist dabei das Trainieren eines Perzeptrons, das zur Klassifizierung eingesetzt wird.Ein alter Kalauer der Informatik besagt, dass das Einfügen von Abfall dazu führt, dass ein Computersystem auch Abfall zurückliefert. Das vierte Kapitel des Werks beschäftigt sich deshalb mit Methoden, um die Datenqualität zu erhöhen. Da diese Informationen mitunter sehr schnell sehr groß werden können, folgt im fünften Kapitel eine Besprechung der Dimensionsreduktion: ein Verfahren, das Informationen zusammenfasst und so Rechenaufwand und Speicherplatz einspart.Die beiden darauffolgenden Kapitel wenden sich der Modellierung zu. Besonders interessant ist hierbei Kapitel 7, das die Kombination verschiedener Lernsysteme zur Steigerung der Ergebnisqualität einsetzt.Die als Sentiment Analysis bezeichnete Qualifizierung der „Laune“ des Autors eines Dokuments ist sehr wichtig. Im Kundenservice lässt sich beispielsweise feststellen, welches Anliegen extrem wichtig ist und welches Anliegen einige Zeit warten kann. Kapitel 8 stellt einige in diesem Bereich weit verwendete verbreitete Verfahren vor. Kapitel 9 erklärt, wie sich Maschinen-E-Learning-Anwendungen in Webseiten einbinden lassen.Das zehnte Kapitel schließt die Betrachtungen des überwachten Lernens mit der Besprechung der Regressionsanalyse ab. Danach folgt ein kurzer Exkurs zur Clusteranalyse. Dahinter steckt ein Verfahren des unüberwachten Lernens, mit dem man verborgene Strukturen in aus realen Experimenten stammende Messdaten beschaffen kann. Kapitel 12 realisiert ein künstliches neuronales Netz. Danach ist die Besprechung von scikit-learn abgeschlossen, und das Buch liefert in vier weiteren Kapiteln eine de...

Java Magazin
Bücher

Bücher: Machine Learning mit Python und Scikit-learn und TensorFlow

Über künstliche Intelligenz lassen sich hervorragend mathematisch komplizierte Lehrbücher veröffentlichen. Das von Vahid Mirjalili und Sebastian Raschka bei Packt Publishing herausgegebene und von mitp übersetzte Lehrbuch möchte mathematische Inhalte in den Hintergrund stellen und stattdessen zeigen, wie man mittels Framework unbürokratisch Systeme realisiert.

Tam Hanna


Das erste Kapitel beginnt mit der Vorstellung der drei Arten des Machine Learning. Überwachtes Lernen, unüberwachtes Lernen und verstärkendes Lernen sind Begriffe, die der Entwickler kennen sollte – schon deshalb, weil sie sich in Dokumenten zum Thema immer wieder finden.Im zweiten Kapitel demonstrieren die Autoren die hinter Neuronen stehende Mathematik und reißen auch eine mögliche programmatische Implementierung an. Es handelt sich dabei allerdings nur um einen groben Überblick, wer genauere Informationen will, ist an dieser Stelle falsch aufgehoben.Der nächste Abschnitt beschäftigt sich mit der Arbeit mit scikit-learn, einem sehr weit verbreiteten Framework auf Basis von Python, mit dem sich mehr oder weniger komplizierte Anwendungen der künstlichen Intelligenz realisieren lassen. Der erste durchzuführende Test ist dabei das Trainieren eines Perzeptrons, das zur Klassifizierung eingesetzt wird.Ein alter Kalauer der Informatik besagt, dass das Einfügen von Abfall dazu führt, dass ein Computersystem auch Abfall zurückliefert. Das vierte Kapitel des Werks beschäftigt sich deshalb mit Methoden, um die Datenqualität zu erhöhen. Da diese Informationen mitunter sehr schnell sehr groß werden können, folgt im fünften Kapitel eine Besprechung der Dimensionsreduktion: ein Verfahren, das Informationen zusammenfasst und so Rechenaufwand und Speicherplatz einspart.Die beiden darauffolgenden Kapitel wenden sich der Modellierung zu. Besonders interessant ist hierbei Kapitel 7, das die Kombination verschiedener Lernsysteme zur Steigerung der Ergebnisqualität einsetzt.Die als Sentiment Analysis bezeichnete Qualifizierung der „Laune“ des Autors eines Dokuments ist sehr wichtig. Im Kundenservice lässt sich beispielsweise feststellen, welches Anliegen extrem wichtig ist und welches Anliegen einige Zeit warten kann. Kapitel 8 stellt einige in diesem Bereich weit verwendete verbreitete Verfahren vor. Kapitel 9 erklärt, wie sich Maschinen-E-Learning-Anwendungen in Webseiten einbinden lassen.Das zehnte Kapitel schließt die Betrachtungen des überwachten Lernens mit der Besprechung der Regressionsanalyse ab. Danach folgt ein kurzer Exkurs zur Clusteranalyse. Dahinter steckt ein Verfahren des unüberwachten Lernens, mit dem man verborgene Strukturen in aus realen Experimenten stammende Messdaten beschaffen kann. Kapitel 12 realisiert ein künstliches neuronales Netz. Danach ist die Besprechung von scikit-learn abgeschlossen, und das Buch liefert in vier weiteren Kapiteln eine de...

Neugierig geworden?


    
Loading...

Angebote für Teams

Für Firmen haben wir individuelle Teamlizenzen. Wir erstellen Ihnen gerne ein passendes Angebot.

Das Library-Modell:
IP-Zugang

Das Company-Modell:
Domain-Zugang