Maschinelles Lernen

Dieses Modul befasst sich mit maschinellem Lernen und konzentriert sich auf Algorithmen und Modelle, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen oder Entscheidungen auf der Grundlage von Daten zu treffen. Es umfasst überwachte, unbeaufsichtigte und Reinforcement-Learning-Techniken sowie praktische Anwendungen in Bereichen wie Bilderkennung, Verarbeitung natürlicher Sprache und prädiktive Analytik.

Curriculum Builder

Brauchen Sie Hilfe? Klicken Sie hier für eine Anleitung.

Sutton, Richard S. und Andrew G. Barto. Reinforcement Learning: Eine Einführung. Zweite Auflage. Reihen zu adaptiver Berechnung und maschinellem Lernen. Cambridge, Massachusetts: Die MIT-Presse, 2018.

Barbier, David. Bayes’sches Denken und maschinelles Lernen. 1. Aufl. Cambridge University Press, 2012.

https://doi.org/10.1017/CBO9780511804779

MacKay, David J.C. Informationstheorie, Inferenz und Lernalgorithmen. Cambridge University Press, 2003.

Bishop, Christopher M. Mustererkennung und maschinelles Lernen. Informationswissenschaft und Statistik. New York: Springer, 2006.

Mohri, Mehryar, Afshin Rostamizadeh und Ameet Talwalkar. “Einleitung.” In Grundlagen des maschinellen Lernens, 504. Die MIT-Presse, 2018.

https://mitpress.mit.edu/9780262039406/foundations-of-machine-learning/

Murphy, Kevin P. “Kapitel 24: Markov-Ketten-Monte-Carlo-Inferenz (MCMC)” und “Kapitel 25: Clustering”. Im maschinellen Lernen: Eine probabilistische Perspektive. London, England: The MIT Press, 2012.

Wyner, Abraham J., Matthew Olson, Justin Bleich und David Mease. “Erklärung des Erfolgs von AdaBoost und Random Forests als interpolierende Klassifikatoren.” arXiv, 29. April 2017.

http://arxiv.org/abs/1504.07676

Hastie, Trevor, Robert Tibshirani und Jerome Friedman. Die Elemente des statistischen Lernens: Data Mining, Inferenz und Vorhersage. 2. Aufl. Springer-Reihe in Statistik. New York, NY: Springer New York, 2009.

https://doi.org/10.1007/978-0-387-84858-7

Wasserman, Larry. Alles in Statistik: Ein prägnanter Kurs in statistischer Inferenz. Springer-Texte in der Statistik. New York, NY: Springer New York, 2004.

https://doi.org/10.1007/978-0-387-21736-9