Maschinelles Lernen mit Python und R für Dummies. ([2017])

• Record Type: Book
• Uniform Title: Machine learning for dummies.
• Further Information: Note: John Paul Mueller und Luca Massaron ; Ubersetzung aus dem Amerikanischen von Simone Linke.
• Authors: Mueller, John, 1958-; Massaron, Luca
• Contents: Titelseite; Impressum; Inhaltsverzeichnis; Über die Autoren; Einführung; Über dieses Buch; Grundvoraussetzungen; Symbole, die in diesem Buch verwendet werden; Weitere Ressourcen; Und nun?; Teil I: Einführung in das maschinelle Lernen; Kapitel 1: Künstliche Intelligenz in Fiktion und Realität; Eine realistische Betrachtung von KI; Träume von elektrischen Schafen; Die Grenzen zwischen Fiktion und Realität; Die Beziehung zwischen KI und maschinellem Lernen; Die technischen Spezifikationen von KI und maschinellem Lernen; Technische und kreative Vorgehensweisen Kapitel 2: Lernen im Zeitalter von Big DataDefinition von Big Data; Mögliche Quellen für Big Data; Die Statistik und das maschinelle Lernen; Die Rolle von Algorithmen; Das Training von Algorithmen; Kapitel 3: Ein Ausblick auf die Zukunft; Nützliche Technologien für die Zukunft; Neue Arbeitsfelder durch maschinelles Lernen; Potenzielle Tücken zukünftiger Technologien; Teil II: Einrichtung Ihrer Programmierumgebung; Kapitel 4: Installation einer R-Distribution; Auswahl einer R-Distribution für maschinelles Lernen; Installation von R unter Windows; Installation von R unter Linux Installation von R unter Mac OS XHerunterladen der Quelltexte und Datensätze; Kapitel 5: Programmierung mit R und RStudio; Wichtige Datentypen; Verwendung von Vektoren; Datenorganisation mit Listen; Verwendung von Matrizen; Nutzung mehrerer Dimensionen mit Arrays; Nutzung von Data-Frames; Durchführung einfacher statistischer Aufgaben; Kapitel 6: Installation einer Python-Distribution; Auswahl einer Python-Distribution für maschinelles Lernen; Installation von Python unter Linux; Installation von Python unter Mac OS X; Installation von Python unter Windows Herunterladen der Quelltexte und DatensätzeKapitel 7: Programmierung mit Python und Anaconda; Zahlen und logische Ausdrücke in Python; Erzeugung und Verwendung von Zeichenketten; Interaktion mit Datums- und Zeitangaben; Erzeugung und Verwendung von Funktionen; Bedingungen und Schleifen; Datenspeicherung mit Mengen, Listen und Tupeln; Definition nützlicher Iteratoren; Datenindizierung mit Wörterbüchern; Codespeicherung in Modulen; Kapitel 8: Weitere Softwareprogramme für maschinelles Lernen; Die Vorgänger: SAS, Stata und SPSS; Lernen im akademischen Sektor mit Weka Einfacher Zugriff auf komplexe Algorithmen mit LIBSVMHöchstgeschwindigkeit mit Vowpal Wabbit; Visualisierung mit Knime und RapidMiner; Verwaltung riesiger Datenmengen mit Spark; Teil III: Mathematische Grundlagen; Kapitel 9: Mathematische Grundlagen des maschinellen Lernens; Die Arbeit mit Daten; Die Welt der Wahrscheinlichkeiten; Nutzung der Statistik für maschinelles Lernen; Kapitel 10: Fehlerfunktionen und ihre Minimierung; Der Lernprozess als Optimierung; Kostenfunktionen; Minimierung der Fehlerfunktion; Aktualisierung per Mini-Batch- und Online-Lernen
• Publisher Details: Weinheim : Wiley-VCH Verlag
• Publication Date: 2017
• Copyright Date: 2017
• Extent: 1 online resource, illustrations
• Subjects: 006.31; Machine learning; COMPUTERS / General; Electronic books
• Languages: German
• ISBNs: 9783527809011; 3527809015
• Related ISBNs: 9783527713639
• Notes: Note: Online resource; title from PDF title page (EBSCO, viewed September 13, 2017).
• Access Rights: Legal Deposit; Only available on premises controlled by the deposit library and to one user at any one time; The Legal Deposit Libraries (Non-Print Works) Regulations (UK).
• Access Usage: Restricted: Printing from this resource is governed by The Legal Deposit Libraries (Non-Print Works) Regulations (UK) and UK copyright law currently in force.