Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt:

• Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet und der Hintergrund geliefert, um zu verstehen, wie und warum diese Algorithmen funktionieren.
• Ebenfalls enthalten ist ein kompakter Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens.
• Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels Numpy und Scipy umgesetzt.
• Für die Support-Vector-Machines und das Deep Learning wird auf Scikit-learn beziehungsweise Keras zurückgegriffen.
• Es werden verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens besprochen, etwa Random Forest, DBSCAN und Q-Learning.

Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt.

Dann sichere dir gleich eines der 30 Exemplare, bevor sie vergriffen sind!