Mit dem Besuch unserer Website erklären Sie sich mit unseren Datenschutzbestimmungen zu Cookies, Tracking-Statistiken usw.

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 zu treffen. Es behandelt überwachte, unüberwachte und verstärkende Lerntechniken sowie praktische Anwendungen in Bereichen wie Bilderkennung, Verarbeitung natürlicher Sprache und prädiktive Analysen.

Portal > Künstliche Intelligenz > Maschinelles Lernen

Curriculum Builder

Lehrplan ansehen

Sutton, Richard S., und Andrew G. Barto. Verstärkungslernen: An Introduction. Zweite Auflage. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Barber, David. Bayesianisches Denken und maschinelles Lernen. 1st ed. Cambridge University Press, 2012.

https://doi.org/10.1017/CBO9780511804779

MacKay, David J.C. Information Theory, Inference, and Learning Algorithms. Cambridge University Press, 2003.

Bishop, Christopher M. Pattern Recognition and Machine Learning. Informationswissenschaft und Statistik. New York: Springer, 2006.

Mohri, Mehryar, Afshin Rostamizadeh, und Ameet Talwalkar. "Introduction." In Foundations of Machine Learning, 504. The MIT Press, 2018.

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

Murphy, Kevin P. "Kapitel 24: Markov Chain Monte Carlo (MCMC) Inferenz" und "Kapitel 25: Clustering." In Machine Learning A Probabilistic Perspective. London, England: The MIT Press, 2012.

Wyner, Abraham J., Matthew Olson, Justin Bleich, und David Mease. "Explaining the Success of AdaBoost and Random Forests as Interpolating Classifiers." arXiv, April 29, 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. Auflage. Springer Series in Statistics. New York, NY: Springer New York, 2009.

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

Wasserman, Larry. Alles über Statistik: Ein konziser Kurs in statistischer Inferenz. Springer Texts in Statistics. New York, NY: Springer New York, 2004.

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

Vielen Dank, dass Sie sich für unseren Newsletter angemeldet haben!

Dankeschön! RSVP erhalten für Sutton, Richard S., und Andrew G. Barto. Verstärkungslernen: An Introduction. Zweite Auflage. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Sutton, Richard S., und Andrew G. Barto. Verstärkungslernen: An Introduction. Zweite Auflage. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Laden...

Laden...