| 书目名称 | Informationsgesteuertes maschinelles Lernen | | 副标题 | Data Science als Ing | | 编辑 | Gerald Friedland | | 视频video | | | 概述 | Behandelt die „Warum“-Fragen der Datenwissenschaft und des Deep Learning.Interdisziplinärer Ansatz zur Modelltechnik.Informationsmessungen für MLOps, Datendrift, Bias | | 图书封面 |  | | 描述 | .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 überwinden, indem es Datenqualitätsmessungen und .A-priori.-Schätzungen der Aufgabenkomplexität ermöglicht. Dies führt zu kleineren, erklärbareren und robusteren Modellen..Das Lehrbuch verbindet maschinelles Lernen mit Physik, Informationstheorie und Computertechnik und ist für ein breites Publikum verständlich. Es hinterfragt bestehende Branchenpraktiken und behandelt Themen wie Deep Learning und Datendrift. Geeignet für Akademiker und Industrieprofis, fördert es ein tiefgreifendes Verständnis von Data Science und lädt Leser ein, über konventionelle Ansätze hinauszudenken. Anstatt sich ausschließlich 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, di | | 出版日期 | Textbook 2024 | | 关键词 | Experimente zum maschinellen Lernen; Informationstheorie; Informationsmessungen; Entscheidungsbäume; Neu | | 版次 | 1 | | doi | https://doi.org/10.1007/978-3-031-56274-7 | | isbn_ebook | 978-3-031-56274-7 | | copyright | Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert an Springer Nature Switzerland AG 20 |
The information of publication is updating
|
|
发表于 2025-3-21 19:00:57
