Machine Learning kompakt

Machine Learning kompakt

Alles, was Sie wissen müssen

Buch (Taschenbuch)

€30,90

inkl. gesetzl. MwSt.
Taschenbuch

Taschenbuch

€ 30,90

Machine Learning kompakt

Ebenfalls verfügbar als:

Taschenbuch

Taschenbuch

ab € 30,90
eBook

eBook

ab € 25,99

Beschreibung

Alles, was Sie über Machine Learning wissen müssen, auf nur 200 Seiten
Von Support Vector Machines über Gradient Boosting und tiefe neuronale Netze bis hin zu unüberwachten Lernmethoden
Zahlreiche Tipps und Empfehlungen für den praktischen Einsatz

Sie möchten Machine Learning verstehen und dafür nicht unendlich viel Zeit aufwenden und Hunderte von Seiten lesen? Dann ist dieses Buch das richtige für Sie.
Auf 200 Seiten bringt Andriy Burkov die wichtigsten Begriffe, Konzepte und Algorithmen des Machine Learnings auf den Punkt. Dabei vermittelt er nicht nur alle notwendigen theoretischen Grundlagen, sondern geht auch auf die praktische Anwendung der einzelnen Verfahren ein, ohne dabei die zugrundeliegenden mathematischen Gleichungen außer Acht zu lassen.
Dieses Buch bietet einen leicht zugänglichen, programmiersprachenunabhängigen und trotz seiner Kürze umfassenden Einstieg ins Machine Learning.

Aus dem Inhalt:

Notation und mathematische Grundlagen
Überwachtes, teilüberwachtes und unüberwachtes Lernen
Grundlegende Lernalgorithmen:
Lineare und logistische Regression
Entscheidungsbäume
Support Vector Machines
k-Nearest-Neighbors
Optimierung mittels Gradientenabstieg
Merkmalserstellung und Handhabung fehlender Merkmale
Auswahl des passenden Lernalgorithmus
Bias, Varianz und das Problem der Unter- und Überanpassung
Regularisierung, Bewertung eines Modells und Abstimmung der Hyperparameter
Deep Learning mit CNNs, RNNs und Autoencodern
Multi-Class-, One-Class- und Multi-Label-Klassifikation
Ensemble Learning
Clustering, Dimensionsreduktion und Erkennen von Ausreißern
Selbstüberwachtes Lernen
Wort-Embeddings, One-Shot und Zero-Shot Learning

Stimmen zum Buch:

»Burkov hat sich der äußerst nützlichen, aber unglaublich schwierigen Aufgabe angenommen, fast das gesamte Machine Learning auf 200 Seiten zusammenzufassen. Die Auswahl der Themen aus Theorie und Praxis ist gelungen und wird sich für Praktiker als nützlich erweisen. Das Buch bietet Lesern eine solide Einführung in das Fachgebiet.«
— Peter Norvig, Forschungsdirektor bei Google

»Der Umfang der Themen, die das Buch auf 200 Seiten behandelt, ist verblüffend. […] Wie der Autor die Kernkonzepte mit einigen wenigen Worten erklärt, gefällt mir ausnehmend gut. Das Buch wird nicht nur für Einsteiger sehr nützlich sein, sondern auch für alte Hasen, die von einer so breiten Sicht auf das Fachgebiet nur profitieren können.«
— Aurélien Géron, Senior Artificial Intelligence Engineer

»Ich wünschte, es hätte ein solches Buch gegeben, als ich mich als Student der Statistik mit Machine Learning beschäftigt habe.«
— Chao Han, Vizepräsident, Leiter Forschung und Entwicklung bei Lucidworks

Andriy Burkov ist Experte für Machine Learning mit dem Schwerpunkt auf Natural Language Processing. 2010 hat er zum Thema Künstliche Intelligenz promoviert und leitet seit 7 Jahren ein Team von Machine-Learning-Entwicklern bei der Firma Gartner, die sich mit multilingualer Textextraktion und Normalisierungsverfahren befasst. Dabei kommen sowohl Shallow- als auch Deep-Learning-Technologien zum Einsatz. Er lebt mit seiner Familie in Quebec City.

Details

Einband

Taschenbuch

Erscheinungsdatum

28.06.2019

Verlag

Mitp Verlags GmbH & Co.KG

Seitenzahl

200

Maße (L/B/H)

23,8/17,2/1,2 cm

Beschreibung

Details

Einband

Taschenbuch

Erscheinungsdatum

28.06.2019

Verlag

Mitp Verlags GmbH & Co.KG

Seitenzahl

200

Maße (L/B/H)

23,8/17,2/1,2 cm

Gewicht

353 g

Auflage

2019

Reihe

mitp Professional

Sprache

Deutsch

ISBN

978-3-95845-995-3

Das meinen unsere Kund*innen

2.0

1 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Kund*innenkonto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

5 Sterne

(0)

4 Sterne

(0)

3 Sterne

(0)

2 Sterne

(1)

1 Sterne

(0)

Ohne klares Ziel und teilweise nachlässig gemacht

Bewertung aus Oberhausen am 06.01.2022

Bewertet: Buch (Taschenbuch)

Das Buch verspricht "alles, was Sie wissen müssen" und scheitert daran. Zum Beispiel wird auf Seite 30 erklärt, was eine Ableitung ist und auf Seite 35 ist der Autor schon bei Parameterschätzungen mit dem Satz von Bayes. Das dürfte alle überfordern, die eine Erklärung der Ableitung von f(x) = 2x benötigen. Etwas später geht der Autor von einer Minimierungsaufgabe stillschweigend zur dualen Aufgabe über. Es wird lediglich erwähnt, dass man jetzt Lagrange-Multiplikatoren verwendet, ohne den Zusammenhang zur ursprünglichen Aufgabe darzustellen. Und das richtet sich an das selbe Publikum, das eine Erklärung braucht, was die Ableitung von 2x ist. Das Buch lässt den Leser ratlos zurück. Zu willkürlich erscheint, wann es ins Detail geht und wann nicht. Am Ende kann man höchstens einige sehr einfache der vorgestellten Methoden selbst umsetzen, weil zu viele Details fehlen. Es wird aber auch keine konkrete Aufgabe bearbeitet, sodass man nach der Lektüre nichts konkretes vorweisen oder damit machen kann. Es ist weder eine praktische noch eine theoretische Einführung in das Thema. Dazu kommen viele Nachlässigkeiten, wenn es mal formal wird, und der Übersetzer hatte vermutlich auch keinen mathematischen Hintergrund. Insgesamt versucht das Buch, einem zu großen Publikum auf zu wenig Platz zu viel mitzuteilen. Am Ende hat man lediglich eine grobe Idee, wie einige ML Methoden funktionieren. Aber "alles, was sie wissen müssen" bekommen die Leser nicht.

Ohne klares Ziel und teilweise nachlässig gemacht

Bewertung aus Oberhausen am 06.01.2022
Bewertet: Buch (Taschenbuch)

Das Buch verspricht "alles, was Sie wissen müssen" und scheitert daran. Zum Beispiel wird auf Seite 30 erklärt, was eine Ableitung ist und auf Seite 35 ist der Autor schon bei Parameterschätzungen mit dem Satz von Bayes. Das dürfte alle überfordern, die eine Erklärung der Ableitung von f(x) = 2x benötigen. Etwas später geht der Autor von einer Minimierungsaufgabe stillschweigend zur dualen Aufgabe über. Es wird lediglich erwähnt, dass man jetzt Lagrange-Multiplikatoren verwendet, ohne den Zusammenhang zur ursprünglichen Aufgabe darzustellen. Und das richtet sich an das selbe Publikum, das eine Erklärung braucht, was die Ableitung von 2x ist. Das Buch lässt den Leser ratlos zurück. Zu willkürlich erscheint, wann es ins Detail geht und wann nicht. Am Ende kann man höchstens einige sehr einfache der vorgestellten Methoden selbst umsetzen, weil zu viele Details fehlen. Es wird aber auch keine konkrete Aufgabe bearbeitet, sodass man nach der Lektüre nichts konkretes vorweisen oder damit machen kann. Es ist weder eine praktische noch eine theoretische Einführung in das Thema. Dazu kommen viele Nachlässigkeiten, wenn es mal formal wird, und der Übersetzer hatte vermutlich auch keinen mathematischen Hintergrund. Insgesamt versucht das Buch, einem zu großen Publikum auf zu wenig Platz zu viel mitzuteilen. Am Ende hat man lediglich eine grobe Idee, wie einige ML Methoden funktionieren. Aber "alles, was sie wissen müssen" bekommen die Leser nicht.

Unsere Kund*innen meinen

Machine Learning kompakt

von Andriy Burkov

2.0

0 Bewertungen filtern

Weitere Artikel finden Sie in

Die Leseprobe wird geladen.
  • Machine Learning kompakt