Zertifizierter Händler seit über 35 Jahren
Mo.–Fr. 8:30 – 17:00 Uhr: 0 21 91 - 99 11 00
Mo.-Fr. 8:30 - 17:00 Uhr: 0 21 91 - 99 11 00
Logo EDV-BUCHVERSAND Delf Michel
Software & Fachbücher vom Experten
Logo EDV-BUCHVERSAND Delf Michel
Software & Fachbücher vom Experten
Mo.-Fr. 8:30 - 17:00 Uhr: 0 21 91 - 99 11 00
0
Maschinelles Lernen mit R
Daten aufbereiten und verarbeiten mit H2O und Keras
Maschinelles Lernen mit R

Maschinelles Lernen mit R

Daten aufbereiten und verarbeiten mit H2O und Keras

HANSER Fachbuch
Autor:in
Uli Schell
365 Seiten, FlexCover
Erschienen
03/2022
978-3-446-47165-8
9783446471658
 
 
Best.-Nr.:
Maschinelles Lernen mit R

Grundlagen und Beispiele zum Einstieg ins Maschinelle Lernen

Wie bringt man Computern das Lernen aus Daten bei? Diese praxisorientierte Einführung vermittelt anhand zahlreicher Beispiele die Grundlagen des maschinellen Lernens mit R, H2O und Keras. Sie werden in die Lage versetzt, den jeweils zielführenden Ansatz auszuwählen und auf eigene Fragestellungen wie Bild-Klassifizierung oder Vorhersagen anzuwenden.
Blick ins Buch: Maschinelles Lernen mit R
Da fehlerhafte Daten den Lernerfolg gefährden können, wird der Datenvorbereitung und -analyse besondere Aufmerksamkeit gewidmet. R stellt hierfür hochentwickelte und wissenschaftlich fundierte Analyse-Bibliotheken zur Verfügung, deren Funktionsweise und Anwendung gezeigt werden.

Sie erfahren, für welche Anwendungsfälle statistische Verfahren wie Regression, Klassifikation, Faktoren-, Cluster- und Zeitreihenanalyse ausreichen und wann Sie besser mit neuronalen Netzen wie z. B. CNNs oder RNNs arbeiten sollten. Hier kommen das Framework H20 sowie Keras zum Einsatz.

Anhand von Beispielen wird gezeigt, wie Sie Stolpersteine beim Lernvorgang analysieren oder von vornherein vermeiden können. Darüber hinaus erfahren Sie, unter welchen Umständen Sie die Ergebnisse des maschinellen Lernens weiterverwenden können und wie Sie dabei vorgehen.

Aus dem Inhalt

Teil 1 – Einstieg

  • Einführung in R und RStudio

Teil 2 – Datenvorbereitung

  • Daten visualisieren und vorbereiten
  • Datenplausibilität

Teil 3 – Statistische Lernmodelle

  • Regression
  • Klassifikation
  • Objekte clustern, Merkmale reduzieren und Zeitreihen zerlegen
Hier das ganze Inhaltsverzeichnis lesen.

Teil 4 – Lernen mit neuronalen Netzen

  • Neuronale Netze
  • H2O
  • Keras/Tensorflow

Teil 5 – Anhang

  • Basiswissen Statistik
Leseprobe
Bei der Klassifikation werden, wie der Name vermuten lässt, Objekte verschiedenen existierenden Klassen zugeordnet. Das kommt z.B. bei der Erkennung von Spam-Mails zum Einsatz, kann aber auch auf physische Gegenstände wie Autos angewendet werden. Diese Leseprobe behandelt verschiedene Verfahren und Algorithmen, die hierbei zum Einsatz kommen.

Wer hat's geschrieben?

Bild von Autor:in Uli Schell

Prof. Dr. Uli Schell lehrt seit 1997 an der Hochschule Kaiserslautern. Er ist stellvertretender Direktor des "Chinesisch-Deutschen Kollegs für Intelligente Produktion" an der Shanghai DianJi University sowie Leiter der Technischen Akademie Südwest Kaiserslautern. Zuvor war er Software-Entwickler und Methoden-Berater bei BBC und der SAP AG.

Bild von Autor:in Uli Schell
Maschinelles Lernen mit R
Daten aufbereiten und verarbeiten mit H2O und Keras
Maschinelles Lernen mit R
Maschinelles Lernen mit R
Daten aufbereiten und verarbeiten mit H2O und Keras
HANSER Fachbuch
Autor:in
Uli Schell
365 Seiten, FlexCover
Erschienen
03/2022
978-3-446-47165-8
9783446471658
 
 
Best.-Nr.:
Maschinelles Lernen mit R