書目名稱 | Informationsgesteuertes maschinelles Lernen | 副標題 | Data Science als Ing | 編輯 | Gerald Friedland | 視頻video | http://file.papertrans.cn/477/476123/476123.mp4 | 概述 | Behandelt die ?Warum“-Fragen der Datenwissenschaft und des Deep Learning.Interdisziplin?rer Ansatz zur Modelltechnik.Informationsmessungen für MLOps, Datendrift, Bias | 圖書封面 |  | 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 Datenqualit?tsmessungen und .A-priori.-Sch?tzungen der Aufgabenkomplexit?t erm?glicht. Dies führt zu kleineren, erkl?rbareren und robusteren Modellen..Das Lehrbuch verbindet maschinelles Lernen mit Physik, Informationstheorie und Computertechnik und ist für ein breites Publikum verst?ndlich. Es hinterfragt bestehende Branchenpraktiken und behandelt Themen wie Deep Learning und Datendrift. Geeignet für Akademiker und Industrieprofis, f?rdert es ein tiefgreifendes Verst?ndnis von Data Science und l?dt Leser ein, über konventionelle Ans?tze hinauszudenken. Anstatt sich ausschlie?lich 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 | 關鍵詞 | Experimente zum maschinellen Lernen; Informationstheorie; Informationsmessungen; Entscheidungsb?ume; 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
|
|