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
Grundkurs Machine Learning
Mathematische Grundlagen des maschinellen Lernens
Grundkurs Machine Learning

Grundkurs Machine Learning

Mathematische Grundlagen des maschinellen Lernens

Rheinwerk Verlag
Autor:in
Paul Wilmott
256 Seiten, Softcover
Erschienen
08/2020
978-3-8362-7598-9
9783836275989
 
 
Best.-Nr.:
Grundkurs Machine Learning
Maschinelles Lernen ist in aller Munde. Dieses Lehrbuch lenkt den Blick direkt auf den Kern der Sache – und das ist, aller Software-Frameworks zum Trotz, die Mathematik.

Jedes Lernverfahren wird Schritt für Schritt erklärt. Mit praktischen Tipps, vielen Zwischenschritten und einer Prise Humor. Die Mathematik ist für Studienanfänger nachvollziehbar.

Beim Trainieren der Modelle steckt der Teufel im Detail. Paul Wilmott zeigt, worauf es ankommt. Mit anschaulichen Beispielen von Natural Language Processing bis zum Abstimmungsverhalten im Parlament.

Die mathematische Grundausbildung zum maschinellen Lernen

Konzepte Schritt für Schritt erklärt

Methode für Methode lernen Sie die Konzepte kennen, auf denen Machine Learning basiert: Von der Maximum-Likelihood-Schätzung bis zum Reinforcement-Learning. Immer mit Einführung, Schritt-für-Schritt-Anleitung, Beispielen und erklärenden Grafiken.

Mathematik? Ja, bitte!

Maschinelles Lernen ist im Kern genau das: angewandte Mathematik. Und diese Mathematik lernen Sie hier. Setzen Sie mathematische Verfahren ein, um aus Datensätzen Erkenntnisse zu gewinnen. Tauchen Sie direkt ein – es genügt Ihr Schulmathematik-Wissen!

Verfahren bewerten und auswählen

Lernen Sie, wie Sie die verschiedenen Verfahren und Modelle bewerten und jeweils das richtige auswählen. Damit Sie die beste Wahl treffen können, lernen Sie alle Stärken und Schwächen, Voraussetzungen und mögliche Stolperfallen der einzelnen Verfahren kennen.

Für alle Studienfächer

Die Projekte in diesem Buch setzen kein bestimmtes Studienfach voraus. Ob politische Reden, Worterkennung oder das Abstimmungsverhalten in einem Parlament – die Beispiele bringen auf den Punkt, worauf es bei Machine Learning ankommt.

Die Lernverfahren

  • k-nächste Nachbarn
  • k-Means-Clustering
  • Naiver Bayes-Klassifikator
  • Lineare und logistische Regression
  • Support-Vektor-Maschinen
Hier das ganze Inhaltsverzeichnis lesen.
  • Selbstorganisierende Karten
  • Entscheidungsbäume
  • Neuronale Netze
  • Reinforcement Learning
Leseprobe
In dieser Leseprobe lernen Sie die Methode K-Means Clustering kennen. Ziel dieses Beispiels für unüberwachtes Lernen ist es, eine Menge an Datenpunkten ohne Markierung, Bezeichnung oder Klasse a priori auf eine vernünftige Art und Weise zu gruppieren.

Wer hat's geschrieben?

Bild von Autor:in Paul Wilmott

Paul Wilmott vermittelt angewandte Mathematik – mit Kultstatus! Seine unverwechselbaren Einführungen bringen seit Jahrzehnten Licht in finanzmathematische Modelle, Derivatehandel, Risikobewertung und Co. Wilmott forscht, lehrt und schreibt nicht nur, er war auch schon als Profi-Jongleur und als Undercover-Ermittler für den britischen Sender Channel 4 im Einsatz, arbeitet für das CQF-Institut (Quantitative Finance) und für die Bildungsinitiative „Math on Toast“ (Mathematik für Familien). Die Financial Times nennt ihn einen „Kult-Dozenten für Derivate“, die BBC bezeichnet ihn als „Finanzmathematik-Guru“.

Bild von Autor:in Paul Wilmott
Grundkurs Machine Learning
Mathematische Grundlagen des maschinellen Lernens
Grundkurs Machine Learning
Grundkurs Machine Learning
Mathematische Grundlagen des maschinellen Lernens
Rheinwerk Verlag
Autor:in
Paul Wilmott
256 Seiten, Softcover
Erschienen
08/2020
978-3-8362-7598-9
9783836275989
 
 
Best.-Nr.:
Grundkurs Machine Learning