Maschinelles Lernen

Dieses Textbuch bietet eine kompakte und verständliche Einführung in das Maschinelle Lernen, eine zentrale Teildisziplin der Künstlichen Intelligenz. Die klassische Unterteilung in überwachtes und unüberwachtes Lernen sowie Reinforcement Learning wird systematisch behandelt und um einen aktuellen Schwerpunkt auf Deep Learning ergänzt. Nach einer kurzen Behandlung der mathematischen Grundlagen führt das Buch Schritt für Schritt durch die wichtigsten Ansätze und Algorithmen: Lineare und logistische Regression, Support Vector Machines, Bayes-Klassifikation, Entscheidungsbäume, K-Means-Clustering, Anomalieerkennung, Markov-Entscheidungsprozesse, neuronale Netze und vieles mehr. Das Buch richtet sich an Studierende und Interessierte, die einen fundierten Einstieg in das Maschinelle Lernen suchen. Es bietet zahlreiche Beispiele, eine präzise Notation und eine klare Gliederung, um das Verständnis der vorgestellten Methoden zu unterstützen.