Dieses Buch führt behutsam in die Theorie des Maschinellen Lernens und der modernen Künstlichen Intelligenz ein. Für ein tiefes Verstehen werden alle wichtigen Verfahren gründlich und vollständig hergeleitet. Dafür werden nur Kenntnisse auf Grundstudiums-Niveau vorausgesetzt. Zusätzlich notwendige Mathematik-Kenntnisse werden passgenau in Anhängen oder als Online-Material zur Verfügung gestellt. Daneben werden viele praktische Beispiele zur Implementierung der Verfahren in der Programmiersprache Python gegeben, und die Verwendung moderner Softwarebibliotheken wie Tensorflow, Keras, und PyTorch wird erläutert. Das erworbene Wissen kann in vielen Beispiel- und Kontrollaufgaben mit Musterlösungen überprüft werden. In einem eigenen Kapitel wird auf aktuelle Forschungsthemen und offene Fragen eingegangen.

Autorentext
Andreas Knoblauch ist Professor für Informatik an der Hochschule Albstadt-Sigmaringen.
Er unterrichtet dort in den Studiengängen Technische Informatik, Systems Engineering und Data Science, unter anderem über Intelligente Lernende Systeme, Maschinelles Lernen und Mustererkennung. Daneben forscht er im Bereich Bildverarbeitung, Objekterkennung, Neuronale Netze, Neuromorphe Assoziativspeicher und Selbstreferentielles Autonomes Lernen.

Inhalt

1 Geschichte der.- 2 Einführung Grundbegriffe des Maschinellen Lernens.