César Pérez López

Maschinelles Lernen Durch Python. Unüberwachtes Lernen: Dimensionsreduktion, Segmentierung Und Neuronale Netze (MACHINE LEARNING) (eBook, ePUB)

• Format: ePub

Produktbeschreibung

Maschinelles Lernen ist ein interdisziplinäres Feld, das Methoden, Algorithmen, Prozesse und Systeme nutzt, um Wissen und Schlussfolgerungen aus strukturierten und unstrukturierten Daten zu extrahieren. Es kombiniert Elemente aus Statistik, Informatik, Mathematik und analytischen Techniken, um Probleme zu lösen, Vorhersagen zu treffen und aus Daten Mehrwert zu generieren. Es nutzt Big Data, um Muster, Trends und Beziehungen zu erkennen, die für Entscheidungen in verschiedenen Branchen genutzt werden können. Es ist eine wichtige Unterstützung für künstliche Intelligenz. Maschinelles Lernen verwendet zwei Arten von Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, bei dem versteckte Muster oder intrinsische Strukturen in den Eingabedaten gefunden werden. Die meisten dieser Techniken des unüberwachten Lernens werden in diesem Buch aus methodischer und praktischer Sicht entwickelt und mit der Software Python angewendet. Folgende Techniken werden behandelt: Dimensionsreduktion, Hauptkomponentenanalyse, Faktorenanalyse, einfache Korrespondenzanalyse, multiple Korrespondenzanalyse, mehrdimensionale Skalierung, neuronale Netzwerke (SOM Kohonen usw.), Mustererkennung, Anomalieerkennung, Autoencoder, Bildverarbeitung und Convolutional Neural Networks (CNNs).

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Scientific Books
• Erscheinungstermin: 11. November 2025
• Deutsch
• ISBN-13: 9798232300500
• Artikelnr.: 75871002

Autorenporträt

PhD. Mathematician, Economist and Government Statistician. Professor at the Complutense University of Madrid in the Department of Statistics and Data Science. Author of more than 100 books and articles on Mathematics, Statistics, Economics, and Computer Science.