34,99 €
inkl. MwSt.
Versandkostenfrei*
Erscheint vorauss. April 2026
Melden Sie sich für den Produktalarm an, um über die Verfügbarkeit des Produkts informiert zu werden.

payback
0 °P sammeln
  • Broschiertes Buch

Dieses Buch gibt eine fundierte aber behutsame Einführung in das Gebiet des Maschinellen Lernens und der modernen Künstlichen Intelligenz. Für ein tiefes theoretisches Verständnis werden alle wichtigen Verfahren gründlich und vollständig hergeleitet. Um den Zugang zu erleichtern sind alle notwendigen Mathematik-Grundlagen übersichtlich in Anhängen zusammengefasst, die zudem punktgenau auf Standard-Lehrbücher verweisen. Daneben enthält es viele praktische Beispiele zur Implementierung und Anwendung der Verfahren in der Programmiersprache Python unter Verwendung moderner Softwarebibliotheken wie…mehr

Produktbeschreibung
Dieses Buch gibt eine fundierte aber behutsame Einführung in das Gebiet des Maschinellen Lernens und der modernen Künstlichen Intelligenz. Für ein tiefes theoretisches Verständnis werden alle wichtigen Verfahren gründlich und vollständig hergeleitet. Um den Zugang zu erleichtern sind alle notwendigen Mathematik-Grundlagen übersichtlich in Anhängen zusammengefasst, die zudem punktgenau auf Standard-Lehrbücher verweisen. Daneben enthält es viele praktische Beispiele zur Implementierung und Anwendung der Verfahren in der Programmiersprache Python unter Verwendung moderner Softwarebibliotheken wie NumPy, Scikit-Learn, PyTorch, Tensorflow und Keras. Das erworbene Wissen kann in vielen theoretischen und praktischen Übungsaufgaben überprüft und erweitert werden, wobei alle Musterlösungen online zur Verfügung stehen.
Autorenporträt
Andreas Knoblauch ist Professor für Informatik an der Hochschule Albstadt-Sigmaringen. Er unterrichtet dort in den Studiengängen Technische Informatik, Systems Engineering und Data Science, unter anderem über Intelligente Lernende Systeme, Maschinelles Lernen und Mustererkennung. Daneben forscht er im Bereich Bildverarbeitung, Objekterkennung, Neuronale Netze, Neuromorphe Assoziativspeicher und Selbstreferentielles Autonomes Lernen.