Maschinelles Lernen

"Es ist gegenüber der vorigen Auflage wesentlich erweitert (Merkmalseinbettung, Laplace-Eigenmaps, nichtparametrische Bayessche Modelle ...) und gibt den aktuellen Stand eines sich rasch weiterentwickelnden Wissenschaftsgebietes gut wieder. Auch wurden jetzt zu den jedem Kapitel beigegebenen Übungsaufgaben Lösungsansätze hinzugefügt. Angesprochen werden vor allem Studierende der Informatik mit Vorkenntnissen. Schwerpunkte liegen u.a. beim überwachten Lernen, bei mehrlagigen Perzeptronen, Kernel-Maschinen, Graphenmodellen, Hidden-Markov-Modellen und Experimenten mit maschinellem Lernen. [...] Sehr hilfreich sind auch die Literaturhinweise am Ende eines jeden Kapitels."
Klaus Barckow in: ekz Bibliotheksservice ID 2019/26

"Das Buch ist sehr übersichtlich gegliedert und schließt vom Umfang her eine Lücke in der Fachliteratur, insbesondere was die mathematischen Methoden zum maschinellen Lernen betriffft."
Prof. Dr.-Ing. K.-D. Morgeneier, Fachhochschule Jena

"Der Stoff ist sehr aktuell, sehr viele Themen der Stochastik werden unter einem gemeinsamen Gesichtspunkt behandelt." Ernst Plöchinger, FH München