Andere Kunden interessierten sich auch für
![Sicherung des Webs: Maschinelles Lernen zur Erkennung von CSRF-Schwachstellen]( "Sicherung des Webs: Maschinelles Lernen zur Erkennung von CSRF-Schwachstellen")
Sicherung des Webs: Maschinelles Lernen zur Erkennung von CSRF-Schwachstellen43,90 €![Roadmap zur intelligenten Mobilität: Maschinelles Lernen in vernetzten Fahrzeuge]( "Roadmap zur intelligenten Mobilität: Maschinelles Lernen in vernetzten Fahrzeuge")
Roadmap zur intelligenten Mobilität: Maschinelles Lernen in vernetzten Fahrzeuge43,90 €![Klinisches Vorhersagemodell durch maschinelles Lernen]( "Klinisches Vorhersagemodell durch maschinelles Lernen")
Klinisches Vorhersagemodell durch maschinelles Lernen60,90 €![Neuartige Technik zur Textklassifizierung]( "Neuartige Technik zur Textklassifizierung")
Neuartige Technik zur Textklassifizierung43,90 €![AI & ML - Theoretischer Ansatz]( "AI & ML - Theoretischer Ansatz")
AI & ML - Theoretischer Ansatz98,90 €![KÜNSTLICHE INTELLIGENZ IM GESUNDHEITSWESEN - EINE GEISSEL ODER EIN SEGEN?]( "KÜNSTLICHE INTELLIGENZ IM GESUNDHEITSWESEN - EINE GEISSEL ODER EIN SEGEN?")
KÜNSTLICHE INTELLIGENZ IM GESUNDHEITSWESEN - EINE GEISSEL ODER EIN SEGEN?60,90 €![Frühzeitige Erkennung von Krankheiten bei Tomaten]( "Frühzeitige Erkennung von Krankheiten bei Tomaten")
Frühzeitige Erkennung von Krankheiten bei Tomaten43,90 €
Dieses Buch über maschinelles Lernen richtet sich an Studierende und Forscher. Es behandelt aktuelle Themen und liefert theoretische Grundlagen, konzeptionelle Werkzeuge und praktische Anwendungen. Es stellt innovative theoretische Werkzeuge und Konzepte vor und behandelt komplexe Probleme und aktuelle Forschungsbereiche. Das Buch behandelt fortgeschrittene Techniken des überwachten, unüberwachten und bestärkenden Lernens mit praktischen Beispielen zur Verdeutlichung. Jedes Kapitel baut auf grundlegendem Wissen auf, beginnend mit den Kernprinzipien in Kapitel 1 und einem umfassenden Überblick über Daten und Statistiken in Kapitel 2. Die Kapitel 3 und 4 untersuchen Algorithmen und Anwendungen des überwachten und unüberwachten Lernens. Kapitel 5 führt in das bestärkende Lernen ein, Kapitel 6 konzentriert sich auf die Modellbewertung und -auswahl und Kapitel 7 untersucht Hyperparameter-Tuning und Modellauswahlstrategien. Kapitel 8 behandelt fortgeschrittene Techniken des überwachtenLernens wie Ensemblemethoden und selbstüberwachtes Lernen. Das Buch zielt darauf ab, den Lesern ein gründliches Verständnis des maschinellen Lernens zu vermitteln, setzt grundlegende Kenntnisse in Statistik, Wahrscheinlichkeit und Algorithmenanalyse voraus und betont Beweise und theoretische Grundlagen.