Nouveauté
Machine Learning mit R. Unüberwachtes Lernen: Beschreibende Techniken zur Klassifizierung. MACHINE LEARNING
Par :Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format ePub est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
C'est si simple ! Lisez votre ebook avec l'app Vivlio sur votre tablette, mobile ou ordinateur :
- FormatePub
- ISBN8232533083
- EAN9798232533083
- Date de parution09/11/2025
- Protection num.pas de protection
- Infos supplémentairesepub
- ÉditeurHamza elmir
Résumé
Maschinelles Lernen ist ein interdisziplinäres Feld, das Methoden, Algorithmen, Prozesse und Systeme nutzt, um Wissen und Schlussfolgerungen aus strukturierten und unstrukturierten Daten zu extrahieren. Es kombiniert Elemente aus Statistik, Informatik, Mathematik und analytischen Techniken, um Probleme zu lösen, Vorhersagen zu treffen und aus Daten Mehrwert zu generieren. Es nutzt Big Data, um Muster, Trends und Beziehungen aufzudecken, die für die Entscheidungsfindung in verschiedenen Branchen verwendet werden können.
Es ist eine wichtige Unterstützung für künstliche Intelligenz. Maschinelles Lernen verwendet zwei Arten von Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, bei dem versteckte Muster oder intrinsische Strukturen in den Eingabedaten gefunden werden. Die meisten dieser unüberwachten Lerntechniken zur Klassifizierung werden in diesem Buch aus methodischer Sicht und aus praktischer Sicht mit Anwendungen durch die Software R entwickelt.
Folgende Techniken werden behandelt: einfache Korrespondenzanalyse, multiple Korrespondenzanalyse, Clusteranalyse, mehrdimensionale Skalierung, neuronale Netzwerke (SOM Kohonen usw.), Mustererkennung, Anomalieerkennung, Autoencoder, Bildverarbeitung und Convolutional Neural Networks (CNN-Netzwerke).
Es ist eine wichtige Unterstützung für künstliche Intelligenz. Maschinelles Lernen verwendet zwei Arten von Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, bei dem versteckte Muster oder intrinsische Strukturen in den Eingabedaten gefunden werden. Die meisten dieser unüberwachten Lerntechniken zur Klassifizierung werden in diesem Buch aus methodischer Sicht und aus praktischer Sicht mit Anwendungen durch die Software R entwickelt.
Folgende Techniken werden behandelt: einfache Korrespondenzanalyse, multiple Korrespondenzanalyse, Clusteranalyse, mehrdimensionale Skalierung, neuronale Netzwerke (SOM Kohonen usw.), Mustererkennung, Anomalieerkennung, Autoencoder, Bildverarbeitung und Convolutional Neural Networks (CNN-Netzwerke).
Maschinelles Lernen ist ein interdisziplinäres Feld, das Methoden, Algorithmen, Prozesse und Systeme nutzt, um Wissen und Schlussfolgerungen aus strukturierten und unstrukturierten Daten zu extrahieren. Es kombiniert Elemente aus Statistik, Informatik, Mathematik und analytischen Techniken, um Probleme zu lösen, Vorhersagen zu treffen und aus Daten Mehrwert zu generieren. Es nutzt Big Data, um Muster, Trends und Beziehungen aufzudecken, die für die Entscheidungsfindung in verschiedenen Branchen verwendet werden können.
Es ist eine wichtige Unterstützung für künstliche Intelligenz. Maschinelles Lernen verwendet zwei Arten von Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, bei dem versteckte Muster oder intrinsische Strukturen in den Eingabedaten gefunden werden. Die meisten dieser unüberwachten Lerntechniken zur Klassifizierung werden in diesem Buch aus methodischer Sicht und aus praktischer Sicht mit Anwendungen durch die Software R entwickelt.
Folgende Techniken werden behandelt: einfache Korrespondenzanalyse, multiple Korrespondenzanalyse, Clusteranalyse, mehrdimensionale Skalierung, neuronale Netzwerke (SOM Kohonen usw.), Mustererkennung, Anomalieerkennung, Autoencoder, Bildverarbeitung und Convolutional Neural Networks (CNN-Netzwerke).
Es ist eine wichtige Unterstützung für künstliche Intelligenz. Maschinelles Lernen verwendet zwei Arten von Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, bei dem versteckte Muster oder intrinsische Strukturen in den Eingabedaten gefunden werden. Die meisten dieser unüberwachten Lerntechniken zur Klassifizierung werden in diesem Buch aus methodischer Sicht und aus praktischer Sicht mit Anwendungen durch die Software R entwickelt.
Folgende Techniken werden behandelt: einfache Korrespondenzanalyse, multiple Korrespondenzanalyse, Clusteranalyse, mehrdimensionale Skalierung, neuronale Netzwerke (SOM Kohonen usw.), Mustererkennung, Anomalieerkennung, Autoencoder, Bildverarbeitung und Convolutional Neural Networks (CNN-Netzwerke).
