Informationsgesteuertes maschinelles Lernen: Data Science als Ingenieurdisziplin (German Edition)

By Gerald Friedland

Dieses innovative Lehrbuch revolutioniert das maschinelle Lernen durch neue Informationsmessungsmethoden. Es basiert auf einem Seminar der UC Berkeley und zielt darauf ab, die Black-Box-Natur des maschinellen Lernens zu berwinden, indem es Datenqualit tsmessungen und A-priori-Sch tzungen der Aufgabenkomplexit t erm glicht. Dies f hrt zu kleineren, erkl rbareren und robusteren Modellen.

Das Lehrbuch verbindet maschinelles Lernen mit Physik, Informationstheorie und Computertechnik und ist f r ein breites Publikum verst ndlich. Es hinterfragt bestehende Branchenpraktiken und behandelt Themen wie Deep Learning und Datendrift. Geeignet f r Akademiker und Industrieprofis, f rdert es ein tiefgreifendes Verst ndnis von Data Science und l dt Leser ein, ber konventionelle Ans tze hinauszudenken. Anstatt sich ausschlie lich auf das "Wie" zu konzentrieren, bietet dieser Text Antworten auf die "Warum"-Fragen, die das Fachgebiet durchdringen, und beleuchtet die zugrunde liegenden Prinzipien maschineller Lernprozesse und ihre praktischen Auswirkungen. Indem dieses Buch systematische Methoden bevorzugt, die auf physikalischen Grundprinzipien basieren, stellt es Branchenpraktiken in Frage, die oft aus ideologischen oder gewinnorientierten Motivationen entstanden sind. Es behandelt eine Reihe von Themen, darunter Deep Learning, Datendrift und MLOps, und nutzt ausgiebig grundlegende Konzepte wie Entropie, Kapazit t und hohe Dimensionalit t.

Dieses Buch ist sowohl f r Hochschul- als auch f r Industrieprofis geeignet und dient als wertvolles Werkzeug f r diejenigen, die ihr Verst ndnis von Data Science als Ingenieurdisziplin vertiefen m chten. Der zum Nachdenken anregende Inhalt regt die intellektuelle Neugier an und richtet sich an Leser, die mehr wollen als nur Code oder vorgefertigte Formeln. Der Text l dt die Leser dazu ein, ber konventionelle Standpunkte hinauszuforschen und bietet eine alternative Perspektive, die eine umfassende Sichtweise f r die Integration von Theorie und Praxis f rdert. Dieses Buch eignet sich f r Kurse im Grund- und Hauptstudium und kann auch praktizierenden Ingenieuren und Wissenschaftlern verschiedener Disziplinen zugute kommen, indem es ihr Verst ndnis der Modellierung vertieft und die Datenmessung effektiv verbessert.

• Format: Hardcover
• Language: German
• ISBN: 3031562739
• ISBN13: 9783031562730
• Release Date: July 2024
• Publisher: Springer Vieweg
• Length: 309 Pages