Und dann auf "Zum Home-Bildschirm [+]".
Stöbern
genialokal zum Startbildschirm hinzufügen
Installieren Sie die genialokal App auf Ihrem Startbildschirm für einen schnellen Zugriff und eine komfortable Nutzung.
Installieren Sie die genialokal App auf Ihrem Startbildschirm für einen schnellen Zugriff und eine komfortable Nutzung.
Maschinelles Lernen ist ein interdisziplinäres Feld, das Methoden, Algorithmen, Prozesse und Systeme nutzt, um Wissen und Schlussfolgerungen aus strukturierten und unstrukturierten Daten zu extrahieren. Es kombiniert Elemente aus Statistik, Informatik, Mathematik und analytischen Techniken, um Probleme zu lösen, Vorhersagen zu treffen und aus Daten Mehrwert zu generieren. Es nutzt Big Data, um Muster, Trends und Beziehungen aufzudecken, die für die Entscheidungsfindung in verschiedenen Branchen verwendet werden können. Es ist eine wichtige Unterstützung für künstliche Intelligenz. Maschinelles Lernen verwendet zwei Arten von Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, bei dem versteckte Muster oder intrinsische Strukturen in den Eingabedaten gefunden werden. Die meisten dieser unüberwachten Lerntechniken zur Klassifizierung werden in diesem Buch aus methodischer Sicht und aus praktischer Sicht mit Anwendungen durch die Software R entwickelt. Folgende Techniken werden behandelt: einfache Korrespondenzanalyse, multiple Korrespondenzanalyse, Clusteranalyse, mehrdimensionale Skalierung, neuronale Netzwerke (SOM Kohonen usw.), Mustererkennung, Anomalieerkennung, Autoencoder, Bildverarbeitung und Convolutional Neural Networks (CNN-Netzwerke).
PhD. Mathematician, Economist and Government Statistician. Professor at the Complutense University of Madrid in the Department of Statistics and Data Science. Author of more than 100 books and articles on Mathematics, Statistics, Economics, and Computer Science.
