Maschinelles Lernen ist eines der wichtigsten Teilgebiete der künstlichen Intelligenz und das Verstehen und Entwickeln von passenden Algorithmen bleibt die große Herausforderung. Dieses Buch bietet einen außergewöhnlich umfassenden Überblick über die neuesten Algorithmen und die bereits bewährten Verfahren. Jörn Fischer beschreibt nicht nur deren Funktionsweise, sondern gibt für alle Bereiche verständliche Beispiele, die detailliert beschrieben und leicht nachvollziehbar sind. Außerdem werden hilfreiche Methoden zur Fehlersuche und -beseitigung an die Hand gegeben.
Inhaltsverzeichnis
Einleitung 17
Teil I: Einfü hrung ins Maschinelle Lernen 23
Kapitel 1: Die Welt der KI 25
Kapitel 2: Ein kleiner Mathe-Exkurs 29
Kapitel 3: Python-Grundlagen 55
Kapitel 4: Das Wichtigste: die Daten 69
Teil II: Grundlegende Optimierungs- und Lernalgorithmen 83
Kapitel 5: Einfach besser werden 85
Kapitel 6: Natü rlich - kü nstliche Evolution 97
Kapitel 7: Clustering 115
Kapitel 8: Klassifikation 123
Kapitel 9: Regression 145
Teil III: Neuronale Netze 153
Kapitel 10: Und was ist mit neuronalen Netzen? 155
Kapitel 11: Tiefe Netze 193
Kapitel 12: Generative Netze 219
Kapitel 13: Rü ckgekoppelte Netze 237
Kapitel 14: Neuronale Netze erklä rbar 259
Teil IV: Verstä rkendes Lernen 271
Kapitel 15: Reinforcement Learning 273
Kapitel 16: Reinforcement Learning kombiniert 289
Kapitel 17: Ein kleiner Blick in die Zukunft 305
Teil V: Der Top-Ten-Teil 313
Kapitel 18: Zehn Tipps, damit es funktioniert 315
Kapitel 19: Zehn Kategorien fü r die Anwendung 319
Literaturverzeichnis 327
Abbildungsverzeichnis 329
Stichwortverzeichnis 337
