Von Modellen zu Entscheidungen in Machine Learning mit Python Vom Modell zur verantwortbaren Entscheidung
-
- Einzelkauf Download ausgewählt
-
Sprache:Deutsch
8,99 €
inkl. gesetzl. MwSt.Beschreibung
Produktdetails
Format
ePUB 3
Kopierschutz
Nein
Family Sharing
Nein
Text-to-Speech
Ja
Erscheinungsdatum
23.06.2026
Verlag
BookRix GmbH & Co. KGSeitenzahl
1190 (Printausgabe)
Dateigröße
2950 KB
Sprache
Deutsch
EAN
9783695261826
Wie werden aus Machine-Learning-Modellen verantwortbare Entscheidungen? Machine Learning wird oft als technische Disziplin verstanden: Daten sammeln, Modelle trainieren, Kennzahlen berechnen und Vorhersagen erzeugen. Doch erfolgreiche Machine-Learning-Projekte scheitern selten nur am Algorithmus. Häufig scheitern sie daran, dass Vorhersagen mit Entscheidungen verwechselt, Kennzahlen falsch interpretiert oder Modellgrenzen übersehen werden. Dieses Buch zeigt Machine Learning als verantwortbaren Entscheidungsprozess mit Python. Im Mittelpunkt steht die Frage, wie aus Daten Modelle entstehen, wie Vorhersagen bewertet werden und wie daraus nachvollziehbare, begründete und verantwortbare Entscheidungen abgeleitet werden können. In diesem Buch erfährst du:
- warum Modelle nicht mit der Wirklichkeit verwechselt werden dürfen
- wie Fragestellungen, Zielvariablen und Trainingsdaten die Modellqualität prägen
- warum Features immer auch Annahmen über die Wirklichkeit enthalten
- wie Datenleckage, Scheingenauigkeit und Overfitting erkannt werden
- wie Klassifikation, Regression, Clustering und Anomalieerkennung als Denkwerkzeuge genutzt werden
- wie Entscheidungsbäume, Random Forests, Gradient Boosting und neuronale Netze funktionieren
- wie Python, Pandas und Scikit-Learn für nachvollziehbare Machine-Learning-Projekte eingesetzt werden
- wie Accuracy, Precision, Recall, F1-Score, ROC-AUC, MAE, RMSE und R² richtig interpretiert werden
- wie Modelle systematisch verglichen und Trade-offs sichtbar gemacht werden
- warum Fairness, Transparenz, Erklärbarkeit und menschliche Verantwortung zentrale Bestandteile guter Machine-Learning-Systeme sind
- wie Machine-Learning-Systeme produktiv eingesetzt, überwacht und kontinuierlich verbessert werden
- Machine Learning systematisch und praxisnah mit Python lernen möchtest
- Modelle nicht nur trainieren, sondern auch verstehen und kritisch bewerten willst
- Kennzahlen, Wahrscheinlichkeiten und Modellvergleiche sicherer interpretieren möchtest
- Fairness, Transparenz, Risiken und Verantwortung im Machine Learning berücksichtigen willst
- Machine-Learning-Ergebnisse nachvollziehbar begründen, dokumentieren und kommunizieren möchtest
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice