Wie Maschinen lernen

Inhaltsverzeichnis

Einleitung - Algorithmen - Maschinelles Lernen - Daten - Regression - Klassifikation - Clusteranalyse - Lineare Regression - Ausreißer - k-Nächste-Nachbarn - k-Means - Fluch der Dimensionalität - Support Vector Machine - Logistische Regression - Entscheidungsbäume - Verzerrung-Varianz-Dilemma - Hauptkomponentenanalyse - Eine kurze Geschichte der künstlichen Intelligenz - Big Data - Neuronale Netze - Faltungsnetze - Gradientenabstiegsverfahren - No Free Lunch Theorem - Bayesregel - Generative gegnerische Netzwerke - Verstärkendes Lernen - Weizenbaum und die Mystifizierung von KI - Künstliche Intelligenz und Sicherheit - Künstliche Intelligenz und Ethik - Schlusswort.

Wie Maschinen lernen

Künstliche Intelligenz verständlich erklärt

19,99 € inkl. gesetzl. MwSt.

Sofort lieferbar

Versandkostenfrei

Weitere Formate

Beschreibung


Künstliche Intelligenz und Maschinelles Lernen: Erweitern Sie Ihr Fachwissen mit diesem Sachbuch 

Was verbirgt sich überhaupt hinter Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML)? Dieses Sachbuch liefert verständliche Antworten. 

ML und KI spielen im Zuge von Industrie 4.0 und der Digitalisierung eine immer größere Rolle. Ganz ohne komplexe mathematische Formeln bringt Ihnen dieses Sachbuch die grundlegenden Methoden, Anwendungen und Vorgehensweisen des Maschinellen Lernens und der Künstlichen Intelligenz näher. Lisa, die Protagonistin in diesem Buch, illustriert alle Themen anhand von Alltagssituationen. Dadurch erschließt sich Ihnen das Fachwissen, das bisher nur Experten vorbehalten war, einfach und leicht verständlich. Mit diesem Buch eignen Sie sich im Handumdrehen neues Wissen an, mit dem Sie innerhalb der Diskussion um Chancen und Risiken aktueller Entwicklungen garantiert punkten können. 

Eine Einführung in die Prinzipien von KI und ML 

Dieses Sachbuch setzt zunächst bei den Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens an. Hier werden u. a. folgende Fragen geklärt:


  • Was sind Daten?

  • Was sind Algorithmen?

  • Was ist mit Regression gemeint?

  • Wozu dienen Clusteranalysen?



Schwerpunktmäßig beschäftigt sich dieses Werk mit Bedeutung und Funktionsweise wichtiger Algorithmen des Maschinellen Lernens. Aufgeteilt in einzelne Kapitel, tauchen Sie so mit Hilfe vieler Abbildungen Schritt für Schritt tiefer in die Materie ein. Zudem bringen Ihnen die Autoren u. a. folgende Verfahren und Aspekte näher:

  • k-Means

  • Entscheidungsbäume

  • Verzerrung-Varianz-Dilemma

  • Big Data

  • Neuronale Netze



Die gesamtgesellschaftliche Bedeutung im Blick

Daneben verliert dieses Sachbuch auch die gesellschaftliche Bedeutung von Künstlicher Intelligenz und Maschinellem Lernen nicht aus dem Blick. Lesen Sie mehr über Fragestellungen der Sicherheit und Ethik im Zusammenhang mit Künstlicher Intelligenz. All das macht dieses Werk zu einer Leseempfehlung für:

  • Themeninteressierte, die verstehen möchten, was sich hinter den Schlagworten KI und ML verbirgt 

  • Entscheidungsträger aus Politik und Wirtschaft

  • Schülerinnen und Schüler, welche die Zukunft mitgestalten wollen



"... Das Buch beweist, dass Lesen spaß machen und zugleich sehr informativ sein kann und es liefert eine wichtige Faktengrundlage für eine teils überhitzte öffentliche Debatte ..." (Die Presse, 22. April 2020)
"... Immer mehr Menschen müssen täglich Entscheidungen treffen, die in irgendeiner Form mit der Digitalisierung zusammenhängen; das vorliegende Buch hilft, die Begriffe nicht nur kennenzulernen, sondern ein tieferes Verständnis für sie zu entwickeln." (IT Mittelstand, Heft 1-2, 1. Februar 2019)


Kristian Kersting ist Professor für maschinelles Lernen am Fachbereich Informatik der Technischen Universität Darmstadt und leitet dort das Machine Learning Lab.

Christoph Lampert ist Professor am Institute of Science and Technology (IST Austria) und Leiter der Forschungsgruppe für Computer Vision and Machine Learning.

Constantin Rothkopf ist Gründungsdirektor des Zentrums für Kognitionswissenschaft und arbeitet am Institut für Psychologie der Technischen Universität Darmstadt.

Die Beitragsautorinnen und -autoren


Von der Studienstiftung des deutschen Volkes geförderte Studierende aus ganz Deutschland und Mitglieder der Arbeitsgruppe „Künstliche Intelligenz – Fakten, Chancen, Risiken”: Jannik Kossen, Maike Elisa Müller, Nicolas Berberich, Fabrizio Kuruc, Jana Aberham, Christian Hölzer, Elena Natterer, Ina Kalder, Michael Krause, Theresa Schüler, Wolfgang Böttcher, Charlotte Bunne, Justin Fehrling, Alexandros Gilch, Thomas Herrmann, Leon Hetzel, Dorothea Müller, Michael Neumann, Lars Frederik Peiss, Max Ruckriegel, Johannes von Stetten, Frederik Wangelik. Die Reihenfolge der Autorinnen und Autoren in den Kapiteln ist alphabetisch sortiert.

Details

Beschreibung

Details

Das meinen unsere Kund*innen

0.0

0 Bewertungen

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Erste Bewertung verfassen

Unsere Kund*innen meinen

0.0

0 Bewertungen filtern

Weitere Artikel finden Sie in

  • Wie Maschinen lernen
  • Einleitung - Algorithmen - Maschinelles Lernen - Daten - Regression - Klassifikation - Clusteranalyse - Lineare Regression - Ausreißer - k-Nächste-Nachbarn - k-Means - Fluch der Dimensionalität - Support Vector Machine - Logistische Regression - Entscheidungsbäume - Verzerrung-Varianz-Dilemma - Hauptkomponentenanalyse - Eine kurze Geschichte der künstlichen Intelligenz - Big Data - Neuronale Netze - Faltungsnetze - Gradientenabstiegsverfahren - No Free Lunch Theorem - Bayesregel - Generative gegnerische Netzwerke - Verstärkendes Lernen - Weizenbaum und die Mystifizierung von KI - Künstliche Intelligenz und Sicherheit - Künstliche Intelligenz und Ethik - Schlusswort.