Diese praxisorientierte Einführung vermittelt anhand zahlreicher Beispiele die Grundlagen des maschinellen Lernens mit R, H2O und Keras. Interessierte sollen in die Lage versetzt werden, den jeweils zielführenden Ansatz auszuwählen und auf eigene Fragestellungen wie Bild-Klassifizierung oder Vorhersagen anzuwenden. Der Datenvorbereitung und -analyse widmet das Buch besondere Aufmerksamkeit. R stellt hierfür wissenschaftlich fundierte Analysebibliotheken zur Verfügung, deren Funktionsweise und Anwendung gezeigt werden. Die Leser erfahren zudem, für welche Anwendungsfälle statistische Verfahren wie Regression, Klassifikation, Faktoren-, Cluster- und Zeitreihenanalyse ausreichen und wann sie besser mit neuronalen Netzen wie z.B. CNNs oder RNNs arbeiten sollten. Anhand von Beispielen wird gezeigt, wie Stolpersteine beim Lernvorgang analysiert oder von vornherein vermieden werden können.
Carl Hanser Verlag • 1. Aufl. 2022 • 379 S. • ISBN 978-3-446-47165-8
