Learning from Data: Concepts, Theory, and Methods (IEEE Press)
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
"Learning from Data: Concepts, Theory, and Methods" von Filip M. Mulier ist ein umfassendes Werk, das sich mit den Grundlagen und fortgeschrittenen Techniken des maschinellen Lernens und der Datenanalyse beschäftigt. Das Buch bietet eine detaillierte Einführung in die theoretischen Konzepte, die den verschiedenen Methoden des maschinellen Lernens zugrunde liegen, und erläutert deren praktische Anwendungen. Der Autor behandelt Themen wie Überwachtes und Unüberwachtes Lernen, Klassifikation, Regression sowie Clustering-Methoden. Zudem werden mathematische Grundlagen und Algorithmen vorgestellt, die für das Verständnis dieser Techniken notwendig sind. Ein besonderer Fokus liegt auf der Anwendung dieser Konzepte in realen Szenarien und auf der Entwicklung effektiver Modelle zur Lösung spezifischer Probleme. Das Buch richtet sich sowohl an Studierende als auch an Fachleute aus den Bereichen Informatik, Statistik und Ingenieurwesen, die ein tieferes Verständnis für maschinelles Lernen entwickeln möchten. Durch Beispiele und Übungen wird das theoretische Wissen vertieft und praxisnah vermittelt.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Gebunden
- 744 Seiten
- Erschienen 2011
- Morgan Kaufmann
- Gebunden
- 738 Seiten
- Erschienen 2011
- Springer
- Kartoniert
- 760 Seiten
- Erschienen 2016
- Springer
- Gebunden
- 745 Seiten
- Erschienen 2017
- Springer
- Kartoniert
- 280 Seiten
- Erschienen 2018
- MIT Press
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- paperback
- 452 Seiten
- Erschienen 1991
- Springer
- Gebunden
- 250 Seiten
- Erschienen 2011
- Springer
- Gebunden
- 290 Seiten
- Erschienen 2008
- Springer
- Gebunden
- 336 Seiten
- Erschienen 2011
- Springer
- Gebunden
- 316 Seiten
- Erschienen 2011
- Springer



