Maschinelles Lernen

Ethem Alpaydin

Published by De Gruyter Oldenbourg 2019

Maschinelles Lernen

Machine Learning

Ethem Alpaydin

In the series De Gruyter Studium

https://doi.org/10.1515/9783110617894

Overview
Contents

About this book

Machine learning refers to knowledge artificially generated from experience. This book discusses the methods used in statistics and pattern recognition. It draws from various approaches to find the most efficient solutions. This latest edition includes new chapters on kernel machines, graphical models, and Bayesian estimation.

Kombiniert Statistik, Neuronale Netze, Künstliche Intelligenz, Signalverarbeitung, Data Mining, um die Problemfelder ganzheitlich anzugehen und Lösungswege finden.
Neue Kapitel über über Kernel Machinen, Graphical Models, Baysian Estimation.

Reviews

"Es ist gegenüber der vorigen Auflage wesentlich erweitert (Merkmalseinbettung, Laplace-Eigenmaps, nichtparametrische Bayessche Modelle ...) und gibt den aktuellen Stand eines sich rasch weiterentwickelnden Wissenschaftsgebietes gut wieder. Auch wurden jetzt zu den jedem Kapitel beigegebenen Übungsaufgaben Lösungsansätze hinzugefügt. Angesprochen werden vor allem Studierende der Informatik mit Vorkenntnissen. Schwerpunkte liegen u.a. beim überwachten Lernen, bei mehrlagigen Perzeptronen, Kernel-Maschinen, Graphenmodellen, Hidden-Markov-Modellen und Experimenten mit maschinellem Lernen. [...] Sehr hilfreich sind auch die Literaturhinweise am Ende eines jeden Kapitels."
Klaus Barckow in: ekz Bibliotheksservice ID 2019/26

"Das Buch ist sehr übersichtlich gegliedert und schließt vom Umfang her eine Lücke in der Fachliteratur, insbesondere was die mathematischen Methoden zum maschinellen Lernen betriffft."
Prof. Dr.-Ing. K.-D. Morgeneier, Fachhochschule Jena

"Der Stoff ist sehr aktuell, sehr viele Themen der Stochastik werden unter einem gemeinsamen Gesichtspunkt behandelt." Ernst Plöchinger, FH München

Topics

Frontmatter Publicly Available Download PDF	I
Inhaltsverzeichnis Publicly Available Download PDF	V
Vorwort zur zweiten deutschen Auflage (dritte englische Auflage) Publicly Available Download PDF	XV
Hinweise zur zweiten englischen Auflage Publicly Available Download PDF	XVII
Vorwort zur ersten Auflage Publicly Available Download PDF	XIX
Notationen Publicly Available Download PDF	XXI
1. Einführung Requires Authentication Unlicensed Licensed Download PDF	1
2. Überwachtes Lernen Requires Authentication Unlicensed Licensed Download PDF	23
3. Bayessche Entscheidungstheorie Requires Authentication Unlicensed Licensed Download PDF	51
4. Parametrische Methoden Requires Authentication Unlicensed Licensed Download PDF	69
5. Multivariate Methoden Requires Authentication Unlicensed Licensed Download PDF	97
6. Dimensionalitätsreduktion Requires Authentication Unlicensed Licensed Download PDF	119
7. Clusteranalyse Requires Authentication Unlicensed Licensed Download PDF	165
8. Nichtparametrische Methoden Requires Authentication Unlicensed Licensed Download PDF	189
9. Entscheidungsbäume Requires Authentication Unlicensed Licensed Download PDF	217
10. Lineare Diskriminanz Requires Authentication Unlicensed Licensed Download PDF	245
11. Mehrlagige Perzeptronen Requires Authentication Unlicensed Licensed Download PDF	275
12. Lokale Modelle Requires Authentication Unlicensed Licensed Download PDF	327
13. Kernel-Maschinen Requires Authentication Unlicensed Licensed Download PDF	361
14. Graphenmodelle Requires Authentication Unlicensed Licensed Download PDF	399
15. Hidden-Markov-Modelle Requires Authentication Unlicensed Licensed Download PDF	431
16. Bayessche Schätzung Requires Authentication Unlicensed Licensed Download PDF	461
17. Kombination mehrerer Lerner Requires Authentication Unlicensed Licensed Download PDF	505
18. Bestärkendes Lernen Requires Authentication Unlicensed Licensed Download PDF	535
19. Design und Analyse von Experimenten mit maschinellem Lernen Requires Authentication Unlicensed Licensed Download PDF	565
Anhang Requires Authentication Unlicensed Licensed Download PDF	613
Index Requires Authentication Unlicensed Licensed Download PDF	625

(Deutsch)

Language: German
Publisher: De Gruyter Oldenbourg
Edition: 2., erweiterte Auflage
Audience: Studierende der Informatik im Grundstudium sowie im Hauptstudium sowie Ingenieure mit industriellem Hintergrund
Pages
- Front matter: 22
- Main content: 633
Illustrations
- Illustrations: 20
Keywords: Machine learning; information technology; artificial intelligence; neural networks

eBook

Published: May 20, 2019
ISBN: 9783110617894