Ein Großteil der weltweit verfügbaren Daten ist ungelabelt. Auf diese nicht klassifizierten Daten lassen sich die Techniken des Supervised Learning, die im Machine Learning viel genutzt werden, nicht anwenden. Dagegen können mithilfe von Unsupervised Learning, dem unüberwachten Lernen, aussagekräftige, aber tief in den Daten verborgene Muster aufgespürt werden – Muster, die für den Menschen fast unmöglich zu entdecken sind.Wie Sie Unsupervised Learning für Ihre Daten nutzen können, zeigt Ankur Patel in diesem Buch anhand konkreter Beispiele. Dazu verwendet er die Python-Frameworks Scikit-learn und TensorFlow mit Keras. Sie erfahren, wie Sie nur schwer zu identifizierende Muster herausarbeiten und dadurch z.B. tiefere Einblicke in Geschäftsprozesse gewinnen. Sie lernen auch, wie Sie Anomalien erkennen, automatisches Feature Engineering durchführen oder synthetische Datensätze generieren.
- Vergleichen Sie die Stärken und Schwächen der verschiedenen Ansätze des Machine Learning: Supervised, Unsupervised und Reinforcement Learning
- Richten Sie ein Machine-Learning-Projekt ein und verwalten Sie es
- Bauen Sie ein System für die Anomalieerkennung auf, um Kreditkartenbetrug zu erfassen
- Nutzen Sie Clustering-Algorithmen, um Benutzer in unterschiedliche und homogene Gruppen zusammenzufassen
- Führen Sie Semi-supervised Learning durch
- Entwickeln Sie Filmempfehlungssysteme mit eingeschränkten Boltzmann-Maschinen
- Generieren Sie synthetische Bilder mit Generative Adversarial Networks (GANs)
Eine der großen Herausforderungen bei der Entwicklung von erfolgreichen Lösungen für angewandtes maschinelles Lernen ist der Fluch der Dimensionalität. Diese
Leseprobe befasst sich mit der Dimensionsreduktion, das Mittel, das Unsupervised Learning dem entgegenzusetzen hat. Dabei behalten Algorithmen zur Dimensionsreduktion wichtige Informationen so gut wie möglich bei, wogegen redundante Informationen entfernt werden.
„Researchers, Data Scientists und Studenten werden dieses Buch schätzen. Es ist voller praktischer Techniken für das Unsupervised Learning, verständlich geschrieben und bietet unkomplizierte Python-Beispiele, die sich schnell und effektiv umsetzen lassen.“
— Sarah Nagy
Senior Data Scientist bei Edison
Wer hat's geschrieben?
Ankur A. Patel ist Vice President Data Science bei 7Park Data, einem Portfolio-Unternehmen von Vista Equity Partners. Bei 7Park Data verwenden Ankur und sein Data-Science-Team alternative Daten, um Datenprodukte für Hedge-Fonds und Unternehmen sowie Machine Learning als Service (MLaaS) für Geschäftskunden zu entwickeln.
