Beschreibung
Die Grundlagen des maschinellen Lernens für prädiktive Datenanalyse ist ein Lehrbuch, das eine detaillierte Einführung in die Ansätze des maschinellen Lernens bietet, die in der prädiktiven Datenanalyse verwendet werden. Das Buch behandelt sowohl theoretische Konzepte als auch praktische Anwendungen und ist somit sowohl für Studierende als auch für Fachleute geeignet. Es enthält erklärende Beispiele und Fallstudien, die die Anwendung von Modellen des maschinellen Lernens in Geschäftskontexten veranschaulichen.
Weiterlesen
Die zweite Auflage dieses Buches führt aktuelle Entwicklungen im maschinellen Lernen ein, einschließlich eines neuen Kapitels über tiefes Lernen und zusätzlicher Kapitel über unüberwachtes Lernen und verstärkendes Lernen. Das Buch ist so gestaltet, dass es zugänglich ist, und bietet nicht-technische Erklärungen der Ideen, die jedem Ansatz zugrunde liegen, bevor es in mathematische Modelle und Algorithmen eintaucht.
Die Autoren John D. Kelleher, Brian Mac Namee und Aoife D'Arcy bringen ihre Expertise in das Buch ein und bieten Einblicke in das Gebiet des maschinellen Lernens. John D. Kelleher ist akademischer Leiter an der Technologischen Universität Dublin, Brian Mac Namee ist außerordentlicher Professor am University College Dublin, und Aoife D'Arcy ist die CEO von Krisolis, einem Unternehmen für Datenanalyse.
Das Buch ist in gebundener und eBook-Format erhältlich und wird von MIT Press veröffentlicht. Es kann als Lehrbuch auf Einführungsebene oder als Referenz für Fachleute verwendet werden, die ihr Verständnis der prädiktiven Datenanalyse vertiefen möchten.
- KategorieForecasting & Predictive Analytics
Buchdetails
Umfassende Einführung in das maschinelle Lernen
Fokus auf prädiktive Datenanalyse
Enthält bearbeitete Beispiele und Fallstudien
Behandelt aktuelle Entwicklungen im maschinellen Lernen
Neue Kapitel über tiefes Lernen, unüberwachtes Lernen und verstärkendes Lernen
Zugängliche Erklärungen komplexer Konzepte
Geeignet für Studierende und Fachleute
Verfasst von Experten auf dem Gebiet
Für wen dieses Buch ist
- Preisdatenvorhersage
- Risikobewertung
- Vorhersage des Kundenverhaltens
- Dokumentenklassifizierung
- Formulierung von Geschäftsproblemen
