Maschinelles Lernen
Maschinelles Lernen
Eine Beispielsammlung für Empfehlungs- und Entscheidungssysteme49,99 €
inkl. MwSt. ggf. zzgl.
vorbestellbar
Sie sind Dozierende:r oder Lehrkraft? Bitte melden Sie sich an oder registrieren Sie sich, um kostenlos auf unsere Inhalte zugreifen zu können.
Prüfe ob du über deine Hochschulbibliothek Zugriff auf den Titel in der Hanser eLibrary hast.
Maschinelles Lernen in der Hanser eLibrary
Maschinelles Lernen in der Hanser eLibrary
- ISBN: 978-3-446-48782-6
- Erscheinungsdatum: 09/2026
- Sprache: Deutsch
- Seitenanzahl: 150
- Auflage: 1
- Barrierefreiheit: Dieses Dokument kann der Carl Hanser Verlag derzeit noch nicht vollständig barrierefrei gemäß den geltenden Standards bereitstellen. Die Textelemente sind jedoch bereits weitgehend barrierefrei strukturiert. An der vollständigen Umsetzung wird weiter gear
-
Produktsicherheit:
Carl Hanser Verlag GmbH & Co KG
Vilshofener Str. 10
81679 München
E-Mail: info@hanser.de
Sicherheitshinweis entsprechend Art.9 Abs. 7 Satz 2 GPSR entbehrlich
Produktinformationen "Maschinelles Lernen"
Entdecken Sie in diesem Buch, wie Sie maschinelles Lernen für die Entwicklung von Empfehlungs- und Entscheidungssystemen praktisch einsetzen – klar erklärt, anwendungsorientiert und direkt auf Ihre Projekte übertragbar. Sie erhalten eine umfangreiche Sammlung anschaulicher Beispiele aus den Bereichen Supervised und Unsupervised Learning, die Ihnen helfen, schnell die passenden Methoden für Ihre Anforderungen zu finden. Ob Sie etwa ein Fraud-Erkennungssystem entwickeln möchten oder nach dem optimalen Algorithmus samt Parameterwahl suchen – dieses Buch liefert konkrete Antworten.
Ein weiterer Schwerpunkt liegt auf dem Design und der Umsetzung von Empfehlungssystemen. Schritt für Schritt erfahren Sie, wie zum Beispiel Filmempfehlungen mit gängigen Machine-Learning-Verfahren aufgebaut werden, welche Stärken und Grenzen die einzelnen Algorithmen haben und worauf es in der Praxis wirklich ankommt. Jedes Kapitel verbindet kompakte theoretische Grundlagen mit nachvollziehbaren Pilotimplementierungen und gut dokumentierten Python-Codebeispielen auf Basis von scikit-learn.
Zum Abschluss lernen Sie alle Schritte kennen, die notwendig sind, um Machine-Learning-Lösungen erfolgreich in industrielle Prozesse zu integrieren – damit Ihre Modelle nicht nur funktionieren, sondern echten Mehrwert schaffen.
Ein weiterer Schwerpunkt liegt auf dem Design und der Umsetzung von Empfehlungssystemen. Schritt für Schritt erfahren Sie, wie zum Beispiel Filmempfehlungen mit gängigen Machine-Learning-Verfahren aufgebaut werden, welche Stärken und Grenzen die einzelnen Algorithmen haben und worauf es in der Praxis wirklich ankommt. Jedes Kapitel verbindet kompakte theoretische Grundlagen mit nachvollziehbaren Pilotimplementierungen und gut dokumentierten Python-Codebeispielen auf Basis von scikit-learn.
Zum Abschluss lernen Sie alle Schritte kennen, die notwendig sind, um Machine-Learning-Lösungen erfolgreich in industrielle Prozesse zu integrieren – damit Ihre Modelle nicht nur funktionieren, sondern echten Mehrwert schaffen.
Anmelden
Noch keine Bewertung
Derzeit liegen noch keine Bewertugen zu diesem Artikel vor. Verfassen Sie die erste Bewertung und helfen Sie anderen Kund:innen.
Rudolf Jäger
Dr. Rudolf Jäger ist Lehrbeauftragter an der TH Ingolstadt im Studienfach Computer Science and AI. Sein Schwerpunkt liegt auf dem Thema Maschinelles Lernen. Zuvor hatte er 16 Jahre lang eine Professur an der Technischen Hochschule Mittelhessen, Fachbereich Elektrotechnik inne und war zudem in der Industrie tätig.
Die Coverdateien dürfen Sie zur Bewerbung des Buches honorarfrei verwenden.
