Maschinelles Lernen (ML) ist zu einem allt�glichen Element in unserem Leben und zu einem Standardwerkzeug f�r viele Bereiche der Wissenschaft und Technik geworden. Um ML optimal nutzen zu k�nnen, ist es wichtig, die zugrunde liegenden Prinzipien zu verstehen. In diesem Buch wird ML als die rechnerische Umsetzung des wissenschaftlichen Prinzips betrachtet. Dieses Prinzip besteht darin, ein Modell eines gegebenen datenerzeugenden Ph�nomens kontinuierlich anzupassen, indem eine Form des Verlustes, der durch seine ...
Read More
Maschinelles Lernen (ML) ist zu einem allt�glichen Element in unserem Leben und zu einem Standardwerkzeug f�r viele Bereiche der Wissenschaft und Technik geworden. Um ML optimal nutzen zu k�nnen, ist es wichtig, die zugrunde liegenden Prinzipien zu verstehen. In diesem Buch wird ML als die rechnerische Umsetzung des wissenschaftlichen Prinzips betrachtet. Dieses Prinzip besteht darin, ein Modell eines gegebenen datenerzeugenden Ph�nomens kontinuierlich anzupassen, indem eine Form des Verlustes, der durch seine Vorhersagen entsteht, minimiert wird. Das Buch schult den Leser darin, verschiedene ML-Anwendungen und -Methoden in drei Komponenten (Daten, Modell und Verlust) aufzuschl�sseln, und hilft ihm so, aus dem riesigen Angebot an vorgefertigten ML-Methoden auszuw�hlen. Der Drei-Komponenten-Ansatz des Buches erlaubt eine einheitliche und transparente Darstellung verschiedener ML-Techniken. Wichtige Methoden zu Regularisierung, zum Schutz der Privatsph�re und zur Erkl�rbarkeit von ML-Methoden sind Spezialf�lle dieses Drei-Komponenten-Ansatz.
Read Less
