Machine Learning

Dieses Buch richtet sich an alle, welche die enormen Potenziale maschinellen Lernens fr wissenschaftliche Fragestellungen und innovative Anstze in Studium oder Beruf nutzen mchten. Denn maschinelles Lernen erffnet neue Mglichkeiten zum effizienten Umgang mit umfassenden, komplex strukturierten und sich schnell entwickelnden Daten. Zunchst werden Grundideen und typische Anwendungsfelder maschinellen Lernens sowie dessen Vorzge gegenber inferenzstatistischen Verfahren erlutert. Daran schlieen praktische Hinweise dazu an, wie Daten fr maschinelle Lernprozesse aufbereitet werden und wie diese durch Anpassung verschiedener Parameter mglichst optimale Ergebnisse erzielen knnen. Von den hierzu einsetzbaren Modellen werden die gngigsten theoretisch und anhand anschaulicher Beispiele vorgestellt. Auch auf verschiedene Optionen zur besseren Interpretierbarkeit sowie auf spezifische Limitationen von Analyseresultaten wird eingegangen. Weiterfhrende Anwendungsflle und verstndlich kommentierte Analysecodes sind auf dem GitHub-Repositorium zu diesem Buch auf SpringerLink online verfgbar.