Maschinelles Lernen für dummies: maschinelles Lernen richtig verstehen : GPT-Sprachmodell, Deep Learning, neuronales Q-Learning - alles selbst programmieren : viele Code-Beispiele zu allen behandelten Themen
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Weitere Verfasser: | , |
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
Weinheim
Wiley
2024
|
| Ausgabe: | 1. Auflage |
| Schriftenreihe: | ... für dummies
Lernen einfach gemacht |
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis |
| Beschreibung: | Literaturverzeichnis Seite 327-328 auf dem Cover: maschinelles Lernen richtig verstehen, GPT-Sprachmodell, Deep Learning, neuronales Q-Learning - alles selbst programmieren, viele Code-Beispiele zu allen behandelten Themen |
| Beschreibung: | 340 Seiten Illustrationen, Diagramme 24 cm x 17.6 cm |
| ISBN: | 9783527720552 3527720553 |
Internformat
MARC
| LEADER | 00000nam a22000008c 4500 | ||
|---|---|---|---|
| 001 | BV049494644 | ||
| 003 | DE-604 | ||
| 005 | 20240823 | ||
| 007 | t| | ||
| 008 | 240110s2024 gw a||| |||| 00||| ger d | ||
| 015 | |a 23,N44 |2 dnb | ||
| 016 | 7 | |a 1307769993 |2 DE-101 | |
| 020 | |a 9783527720552 |c Broschur : EUR 28.00 (DE), EUR 28.80 (AT) |9 978-3-527-72055-2 | ||
| 020 | |a 3527720553 |9 3-527-72055-3 | ||
| 024 | 3 | |a 9783527720552 | |
| 028 | 5 | 2 | |a Bestellnummer: 1172055 000 |
| 035 | |a (OCoLC)1434759439 | ||
| 035 | |a (DE-599)DNB1307769993 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE-BW | ||
| 049 | |a DE-1102 |a DE-1049 |a DE-29T |a DE-M347 |a DE-1051 |a DE-860 |a DE-859 |a DE-20 |a DE-703 |a DE-523 |a DE-1043 |a DE-B768 |a DE-Aug4 |a DE-573 | ||
| 082 | 0 | |a 006.31 |2 23/ger | |
| 084 | |a ST 300 |0 (DE-625)143650: |2 rvk | ||
| 084 | |a ST 302 |0 (DE-625)143652: |2 rvk | ||
| 084 | |a ST 304 |0 (DE-625)143653: |2 rvk | ||
| 084 | |8 1\p |a 004 |2 23sdnb | ||
| 100 | 1 | |a Fischer, Jörn |d 1970- |e Verfasser |0 (DE-588)128662123 |4 aut | |
| 245 | 1 | 0 | |a Maschinelles Lernen für dummies |c Jörn Fischer ; Fachkorrektur von Prof. Dr. Kai Eckert und Prof. Dr. Ivo Wolf |
| 250 | |a 1. Auflage | ||
| 264 | 1 | |a Weinheim |b Wiley |c 2024 | |
| 300 | |a 340 Seiten |b Illustrationen, Diagramme |c 24 cm x 17.6 cm | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 0 | |a ... für dummies | |
| 490 | 0 | |a Lernen einfach gemacht | |
| 500 | |a Literaturverzeichnis Seite 327-328 | ||
| 500 | |a auf dem Cover: maschinelles Lernen richtig verstehen, GPT-Sprachmodell, Deep Learning, neuronales Q-Learning - alles selbst programmieren, viele Code-Beispiele zu allen behandelten Themen | ||
| 650 | 0 | 7 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |2 gnd |9 rswk-swf |
| 689 | 0 | 0 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
| 689 | 0 | |5 DE-604 | |
| 700 | 1 | |a Eckert, Kai |d 1978- |0 (DE-588)1023534088 |4 ctb | |
| 700 | 1 | |a Wolf, Ivo |4 ctb | |
| 710 | 2 | |a Wiley-VCH |0 (DE-588)16179388-5 |4 pbl | |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, EPUB |z 978-3-527-84184-4 |w (DE-604)BV049662188 |
| 856 | 4 | 2 | |m Digitalisierung Bibliothek HTW Berlin |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034839895&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 883 | 1 | |8 1\p |a vlb |d 20231029 |q DE-101 |u https://d-nb.info/provenance/plan#vlb | |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-034839895 | |
Datensatz im Suchindex
| _version_ | 1818133971527008256 |
|---|---|
| adam_text |
AUF
EINEN
BLICK
EINLEITUNG
17
TEIL I: EINFUEHRUNG
INS
MASCHINELLE
LERNEN
23
KAPITEL 1: DIE WELT DER KI
25
KAPITEL 2:
EIN KLEINER
MATHE-EXKURS
29
KAPITEL
3: PYTHON-GRUNDLAGEN
55
KAPITEL
4: DAS
WICHTIGSTE: DIE DATEN
69
TEIL II:
GRUNDLEGENDE
OPTIMIERUNGS-
UND
LERNALGORITHMEN
83
KAPITEL 5:
EINFACH BESSER
WERDEN
85
KAPITEL
6: NATUERLICH -
KUENSTLICHE EVOLUTION
97
KAPITEL
7: CLUSTERING
115
KAPITEL
8: KLASSIFIKATION
123
KAPITEL 9:
REGRESSION
145
TEIL
III:
NEURONALE NETZE
153
KAPITEL 10: UND
WAS IST MIT NEURONALEN
NETZEN?
155
KAPITEL 11:
TIEFE NETZE
193
KAPITEL
12: GENERATIVE
NETZE
219
KAPITEL
13: RUECKGEKOPPELTE
NETZE
237
KAPITEL 14:
NEURONALE NETZE
ERKLAERBAR
259
TEIL IV:
VERSTAERKENDES
LERNEN
271
KAPITEL
15: REINFORCEMENT
LEARNING
273
KAPITEL 16:
REINFORCEMENT LEARNING
KOMBINIERT
289
KAPITEL
17: EIN KLEINER
BLICK IN DIE
ZUKUNFT
305
TEIL V:
DER TOP-TEN-TEIL
313
KAPITEL 18: ZEHN
TIPPS, DAMIT ES
FUNKTIONIERT
315
KAPITEL 19:
ZEHN KATEGORIEN
FUER DIE
ANWENDUNG
319
LITERATURVERZEICHNIS
327
ABBILDUNGSVERZEICHNIS
329
STICHWORTVERZEICHNIS
337
INHALTSVERZEICHNIS
EINLEITUNG
17
UEBER DIESES BUCH
17
WIE SIE DIESES BUCH VERWENDEN 18
TOERICHTE ANNAHMEN UEBER
DIE LESER
18
WIE DIESES BUCH AUFGEBAUT
IST
18
TEIL 1: EINFUEHRUNG INS MASCHINELLE LERNEN
19
TEIL II:
OPTIMIERUNG
19
TEIL III:
NEURONALE NETZE
19
TEIL IV: VERSTAERKENDES LERNEN
19
TEIL V:
DER TOP-TEN-TEIL
20
SYMBOLE, DIE IN DIESEM BUCH VERWENDET WERDEN 20
UEBER
DAS BUCH HINAUS
20
WIE GEHT ES WEITER?
21
TEIL I
EINFUEHRUNG INS MASCHINELLE LERNEN
23
KAPITEL 1
DIE WELT DER KI
25
WAS IST EIGENTLICH MASCHINELLES LERNEN 25
LERNEN IM KONTEXT DES MASCHINELLEN LERNENS 27
KAPITEL 2
EIN
KLEINER MATHE-EXKURS 29
VEKTOREN UND MATRIZEN 29
EIGENWERTE UND EIGENVEKTOREN 32
SINGULAERWERTZERLEGUNG 35
ANALYSIS 38
ABLEITUNG 38
JACOBIMATRIX
42
TAYLORREIHE 43
STATISTISCHE
GROESSEN
45
MITTELWERT UND ERWARTUNGSWERT
46
VARIANZ UND STANDARDABWEICHUNG
46
KOVARIANZ UND KORRELATION 46
DAS BAYES'SCHE THEOREM
48
UEBER FIXPUNKTE, OSZILLATOREN UND CHAOS 49
KAPITEL 3
PYTHON-GRUNDLAGEN 55
WAS WIR
NOCH BRAUCHEN 55
GRUNDLAGEN 56
IF-BEDINGUNGEN 57
12
INHALTSVERZEICHNIS
SCHLEIFEN
UNTERPROGRAMME
LISTEN UND TUPEL
NUMPY FUER VEKTOREN
UND MATRIZEN
MATPLOTLIB FUER GRAPHEN
PYGAME
ZUR VISUALISIERUNG
TENSORFLOW
KERAS FUER NEURONALE
NETZE
SCIKIT-LEARN
FUER MASCHINELLES
LERNEN
KAPITEL
4
DAS
WICHTIGSTE:
DIE DATEN
DATEN SAMMELN
UND AUFBEREITEN
DATEN
NORMALISIEREN
ONE-HOT-ENCODIERUNG
ZUSAETZLICHE DATEN ERZEUGEN
57
58
58
59
63
64
65
67
69
69
70
72
72
KAPITEL 7
CLUSTERING
K-MEANS-ALGORITL
HIERARCHISCHES C
DBSCAN
KAPITEL 8
KLASSIFIKATION
K-NEAREST NEIGHT
SUPPORT VECTOR K
DER KERNEL-TRICK.
ENTSCHEIDUNGSBAE
RANDOM FOREST
MULTINOMIAL-NAIV
AUSWERTUNG UND
VISUALISIERUNG
74
KONFUSIONSMATRIX
74
KAPITEL 9
METRIKEN
77
REGRESSION
AUSWAHL VON
MERKMALEN
79
LINEARE
REGRESSII
HEATMAP
80
LASSO-REGRESSIOR
RIDGE-REGRESSIOR
TEIL II
POLYNOMIALE
REG
GRUNDLEGENDE
OPTIMIERUNGS-
UND
LERNALGORITHMEN
83
TEIL III
KAPITEL
5
EINFACH BESSER WERDEN
85
NEURONALE NE1
IMMER BERGAUF -
HILL CLIMBING
85
KAPITEL 10
ABKUEHLUNG
SCHADET NICHT -
SIMULATED ANNEALING
89
UND WAS IST MIT
FLUCH
DER DIMENSIONEN
93 EIN
KLEINER EXKUR
FLUCH
TEIL 1: IST DAS UEBERHAUPT
EIN OPTIMUM?
93
DAS BIOLOGISCHE I
FLUCH TEIL 2: IST DER
RAUM AUSREICHEND
AUFGELOEST?
94
AUFBAU
FLUCH TEIL 3: WAS IST
MIT DEN ABSTAENDEN?
95
LERNEN IN B
KUENSTLICHE
NEURC
KAPITEL
6
DIE TRANSFEI
NATUERLICH -
KUENSTLICHE EVOLUTION
97
AUS FEHLERR
AUS DER
BIOLOGIE LERNEN
97
DER FEHLER
FLIESST
FORTPFLANZUNG
97
BACKPROPAI
VOM
GENOTYP ZUM
PHAENOTYP
99
WARUM
IST
GENETISCHE
ALGORITHMEN
99
DIE KREUZER
MUTATION
100
TRAINING UN
REKOMBINATION UND
CROSSING-OVER
101
UND WAS
IST
EVALUATION
103
VISUALISIERUNG.
DIE SELEKTION
103
HINTON-DIAJ
SELEKTIONSSTRATEGIEN
105
T-SNE (DIRN'
EVOLUTIONAERE STRATEGIEN
108
DER
(1+1)-ES-ALGORITHMUS
109
CMA-ES
112
57
58
58
59
63
64
65
67
INHALTSVERZEICHNIS
KAPITEL 7
CLUSTERING
K-MEANS
-ALGORITHMUS
HIERARCHISCHES CLUSTERING
DBSCAN
KAPITEL 8
KLASSIFIKATION
13
115
115
117
119
123
K-NEAREST NEIGHBOR
123
69
SUPPORT
VECTOR MACHINES
128
69
DER KERNEL-TRICK
132
70
ENTSCHEIDUNGSBAEUME
134
72
RANDOM
FOREST
140
72
MULTINOMIAL-NAIVE-BAYES-KLASSIFIKATOR
141
74
74
KAPITEL
9
77
REGRESSION
145
79
LINEARE
REGRESSION
145
80
LASSO-REGRESSION
147
RIDGE
-REGRESSION
148
POLYNOMIALE
REGRESSION
149
EN
83
TEIL III
85
NEURONALE NETZE
153
85
KAPITEL 10
89
UND WAS IST
MIT NEURONALEN
NETZEN?
155
93
EIN KLEINER EXKURS:
DAS BIOLOGISCHE
VORBILD
155
93 DAS BIOLOGISCHE
NEURON
156
94
AUFBAU
156
95
LERNEN IN
BIOLOGISCHEN NEURONEN
157
KUENSTLICHE NEURONEN
UND WAS SIE
KOENNEN
158
DIE TRANSFERFUNKTION
161
97
AUS FEHLERN
LERNEN
164
97
DER FEHLER FLIESST
DURCHS NETZ
168
97
BACKPROPAGATION
168
99
WARUM
IST DIE
HANDBREMSE ANGEZOGEN?
171
99
DIE
KREUZENTROPIE ALS
VERLUSTFUNKTION
179
100
TRAINING UND
TEST
180
101
UND WAS IST
MIT UEBERANPASSUNG?
184
103
VISUALISIERUNG
188
103
HINTON-DIAGRAMM
188
105
T-SNE
(DIMENSIONSREDUKTION)
190
108
109
112
14
INHALTSVERZEICHNIS
KAPITEL
11
TIEFE NETZE
193
TEIL
IV
VERSTAERKENDES
VON RESTRICTED BOLTZMAN MACHINES ZU DEEP BELIEF
NETWORKS 193
KAPITEL 15
RESTRICTED BOLTZMANN
MACHINES
193
REINFORCEMENT L
DEEP
BELIEF NETWORKS
195
Q-LEARNING
AUTOENCODER
196
ZIEL
DES AGE
FALTUNGSNETZWERKE
(CNN)
198
I MPLEMENTI
LAYER-NORMALISIERUNG
205
HERAUSFORDI
TRANSFERLERNEN
206
SARSA
NATUERLICHE SPRACHVERARBEITUNG
206
DETERMINISTISCHE
BAG-OF-WORDS
207
EXPERIENCE
REPLA
TF-IDF
207
LERNEN MIT MODE
WIE MAN WOERTER ZU VEKTOREN MACHT
208
TRANSFORMER
210
KAPITEL
16
DER ENCODER
211
REINFORCEMENT
L
DER DECODER
212
NEURONALES Q-LE
KAPITEL 12
DEEP REINFORCERR
ALPHAGO ZERO.
GENERATIVE NETZE
219
MONTE-CARLE
GENERATIVE ADVERSARIAL NETWORKS
219
MONTE CARL(
GENERATOR
219
MONTE CARL(
DISKRIMINATOR
220
ALPHAGO ZE
VARIATIONAL AUTOENCODER
225
DIFFUSIONSMODELLE
230
KAPITEL
17
FUNKTIONSWEISE
DENOISING MIT U-NET
231
231
EIN KLEINER BLICK
INTRINSISCHE MOTF
KAPITEL 13
ABSTRAKTION
TRAEUMEN
RUECKGEKOPPELTE
NETZE
237
BEWUSSTSEIN
HOPFIELD
237
AGI - CHANCEN UI
ECHO-STATE-NETZE
242
RUECKGEKOPPELTE
NETZE UND EIGENWERTE
246
TEIL V
LSTM
247
DER TOP-TEN-TEI
GRU
DUALITAET: AUSGABE- UND
GEWICHTSRAUM
252
252
KAPITEL 18
VERFAHREN ZUR TRANSFORMATION
253
ZEHN TIPPS, DARR
DIE METHODE DER KLEINSTEN FEHLERQUADRATE
255
DEN LERNENDEN T
ZEITLICHE
REIHENF
KAPITEL 14
ZAHL DER NOETIGEN
NEURONALE NETZE ERKLAERBAR
259
INITIALISIERUNG
BE
PARAMETER OPTIN
DEN DURCHBLICK BEHALTEN
259
DATEN VISUALISIER
DEN DURCHBLICK BEKOMMEN
260
LEICHTEN
SPEZIALL
LIME
261
PROBLEM VEREINFI
SHAPLEY-WERTE
266
VIELFACH
ERPROBT
NICHT
AUFGEBEN .
INHALTSVERZEICHNIS
TEIL IV
15
193
VERSTAERKENDES
LERNEN
271
. 193
KAPITEL
15
. 193
REINFORCEMENT
LEARNING
273
. 195
Q-LEARNING
273
.
196
ZIEL
DES AGENTEN
273
. 198
IMPLEMENTIERUNG
276
.
205
HERAUSFORDERUNGEN
280
. 206
SARSA
280
. 206
DETERMINISTISCHES
Q-LEARNING
281
. 207
EXPERIENCE
REPLAY
282
.
207
LERNEN MIT MODELL
287
. 208
YY
210
KAPITEL
16
.
211
.
212
REINFORCEMENT
LEARNING
KOMBINIERT
NEURONALES
Q-LEARNING - EINE
IMPLEMENTIERUNG
289
290
DEEP REINFORCEMENT
LEARNING
293
219
ALPHAGO
ZERO
MONTE-CARLO-METHODEN
294
295
. 219
MONTE CARLO
SEARCH
295
. 219
MONTE CARLO
TREE SEARCH
302
. 220
ALPHAGO
ZERO - DAS
ZUSAMMENSPIEL
303
. 225
. 230
KAPITEL 17
. 231
231
.
EIN
KLEINER
BLICK IN
DIE ZUKUNFT
305
INTRINSISCHE
MOTIVATION
305
ABSTRAKTION
306
TRAEUMEN
307
237
BEWUSSTSEIN
307
.
237
AGI -
CHANCEN
UND RISIKEN
310
. 242
.
246
TEIL
V
. 247
DER
TOP-TEN-TEIL
313
.
252
. 252
KAPITEL
18
. 253
ZEHN
TIPPS,
DAMIT ES
FUNKTIONIERT
315
. 255
DEN
LERNENDEN TEIL
VOM PROBLEM
TRENNEN
315
ZEITLICHE
REIHENFOLGE
BEACHTEN
315
ZAHL DER NOETIGEN
DURCHLAEUFE
ABSCHAETZEN
316
259
INITIALISIERUNG
BEACHTEN
316
.
259
. 260
. 261
. 266
PARAMETER
OPTIMIEREN
DATEN
VISUALISIEREN
LEICHTEN
SPEZIALFALL
DURCHSPIELEN
PROBLEM
VEREINFACHEN
VIELFACH ERPROBTE
BIBLIOTHEKEN
NUTZEN
316
316
318
318
318
NICHT
AUFGEBEN
318
16
INHALTSVERZEICHNIS
KAPITEL
19
ZEHN
KATEGORIEN
FUER
DIE
ANWENDUNG
319
PARAMETER
OPTIMIEREN
319
DATEN
KLASSIFIZIEREN
320
DATEN
GRUPPIEREN
320
DATEN
ERGAENZEN
321
DATEN
REKONSTRUIEREN
322
DATEN
VORHERSAGEN
322
ANOMALIEN
ERKENNEN
323
EMPFEHLUNGEN
AUSSPRECHEN
323
DATEN IN
WENIGER
DIMENSIONEN
DARSTELLEN
324
ENTSCHEIDUNGEN
FAELLEN
325
LITERATURVERZEICHNIS
327
ABBILDUNGSVERZEICHNIS
329
STICHWORTVERZEICHNIS
337
EINLEITUNG
WILLKOMMEN IN DER WE
NOLOGIE, DIE IN DEN LET
BRANCHEN REVOLUTIONIER
AENDERT, WIE COMPUTER
I
DATENANALYSE NACHDENT
EINIGE
DER BEEINDRUCL
SPIELSWEISE
SELBSTFAHRE
SPRACHERKENNUNGSSYSTE
MASCHINELLES LERNEN S
FILMEN,
BUECHERN ODER
DIAGNOSESYSTEMEN,
DIE
ERKENNEN.
DIE METHODEN UND
ALGE
IN VIELEN FAELLEN GERADE
INTENSIV
GEFORSCHT WIE I
FORDERUNG, DIE VIELFALT
C
10 ER DIESE
ES GIBT ZAHLREICHE BUECH
ICH BESCHAEFTIGE
MICH NU
UND BIN
OFTMALS SELBST I
IN DAS
THEMA VERSCHAFF(
GROSSE SPEKTRUM
DER ALL
UND JEDEN
DIESER ALGORI
BESPICKT, UNTER
DENEN R
IRGENDWANN HABE
ICH
R
ERGEBNIS
HALTEN SIE IN
DAS BUCH
HAT DEN
ANSP
RITHMEN
ALS AUCH
DIE EII
NETZE,
TRANSFORMER-N
DABEI
WERDEN THEMEN
KLAR
UND VERSTAENDLICH
ZI
VISUALISIERT UND
IN FORN
SIE ERFAHREN,
WELCHE LE
DEN SIE
KOMPLEXERE
MC |
| adam_txt | |
| any_adam_object | 1 |
| any_adam_object_boolean | |
| author | Fischer, Jörn 1970- |
| author2 | Eckert, Kai 1978- Wolf, Ivo |
| author2_role | ctb ctb |
| author2_variant | k e ke i w iw |
| author_GND | (DE-588)128662123 (DE-588)1023534088 |
| author_facet | Fischer, Jörn 1970- Eckert, Kai 1978- Wolf, Ivo |
| author_role | aut |
| author_sort | Fischer, Jörn 1970- |
| author_variant | j f jf |
| building | Verbundindex |
| bvnumber | BV049494644 |
| classification_rvk | ST 300 ST 302 ST 304 |
| ctrlnum | (OCoLC)1434759439 (DE-599)DNB1307769993 |
| dewey-full | 006.31 |
| dewey-hundreds | 000 - Computer science, information, general works |
| dewey-ones | 006 - Special computer methods |
| dewey-raw | 006.31 |
| dewey-search | 006.31 |
| dewey-sort | 16.31 |
| dewey-tens | 000 - Computer science, information, general works |
| discipline | Informatik |
| discipline_str_mv | Informatik |
| edition | 1. Auflage |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a22000008c 4500</leader><controlfield tag="001">BV049494644</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20240823</controlfield><controlfield tag="007">t|</controlfield><controlfield tag="008">240110s2024 gw a||| |||| 00||| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">23,N44</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1307769993</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783527720552</subfield><subfield code="c">Broschur : EUR 28.00 (DE), EUR 28.80 (AT)</subfield><subfield code="9">978-3-527-72055-2</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3527720553</subfield><subfield code="9">3-527-72055-3</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783527720552</subfield></datafield><datafield tag="028" ind1="5" ind2="2"><subfield code="a">Bestellnummer: 1172055 000</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1434759439</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1307769993</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-1102</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-M347</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-860</subfield><subfield code="a">DE-859</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-523</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-B768</subfield><subfield code="a">DE-Aug4</subfield><subfield code="a">DE-573</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">006.31</subfield><subfield code="2">23/ger</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 300</subfield><subfield code="0">(DE-625)143650:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 302</subfield><subfield code="0">(DE-625)143652:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 304</subfield><subfield code="0">(DE-625)143653:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="8">1\p</subfield><subfield code="a">004</subfield><subfield code="2">23sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Fischer, Jörn</subfield><subfield code="d">1970-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)128662123</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Maschinelles Lernen für dummies</subfield><subfield code="c">Jörn Fischer ; Fachkorrektur von Prof. Dr. Kai Eckert und Prof. Dr. Ivo Wolf</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Weinheim</subfield><subfield code="b">Wiley</subfield><subfield code="c">2024</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">340 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield><subfield code="c">24 cm x 17.6 cm</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">... für dummies</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">Lernen einfach gemacht</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Literaturverzeichnis Seite 327-328</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">auf dem Cover: maschinelles Lernen richtig verstehen, GPT-Sprachmodell, Deep Learning, neuronales Q-Learning - alles selbst programmieren, viele Code-Beispiele zu allen behandelten Themen</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Eckert, Kai</subfield><subfield code="d">1978-</subfield><subfield code="0">(DE-588)1023534088</subfield><subfield code="4">ctb</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Wolf, Ivo</subfield><subfield code="4">ctb</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Wiley-VCH</subfield><subfield code="0">(DE-588)16179388-5</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, EPUB</subfield><subfield code="z">978-3-527-84184-4</subfield><subfield code="w">(DE-604)BV049662188</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung Bibliothek HTW Berlin</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034839895&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="883" ind1="1" ind2=" "><subfield code="8">1\p</subfield><subfield code="a">vlb</subfield><subfield code="d">20231029</subfield><subfield code="q">DE-101</subfield><subfield code="u">https://d-nb.info/provenance/plan#vlb</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-034839895</subfield></datafield></record></collection> |
| id | DE-604.BV049494644 |
| illustrated | Illustrated |
| index_date | 2024-07-03T23:20:17Z |
| indexdate | 2024-12-11T09:01:11Z |
| institution | BVB |
| institution_GND | (DE-588)16179388-5 |
| isbn | 9783527720552 3527720553 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-034839895 |
| oclc_num | 1434759439 |
| open_access_boolean | |
| owner | DE-1102 DE-1049 DE-29T DE-M347 DE-1051 DE-860 DE-859 DE-20 DE-703 DE-523 DE-1043 DE-B768 DE-Aug4 DE-573 |
| owner_facet | DE-1102 DE-1049 DE-29T DE-M347 DE-1051 DE-860 DE-859 DE-20 DE-703 DE-523 DE-1043 DE-B768 DE-Aug4 DE-573 |
| physical | 340 Seiten Illustrationen, Diagramme 24 cm x 17.6 cm |
| publishDate | 2024 |
| publishDateSearch | 2024 |
| publishDateSort | 2024 |
| publisher | Wiley |
| record_format | marc |
| series2 | ... für dummies Lernen einfach gemacht |
| spelling | Fischer, Jörn 1970- Verfasser (DE-588)128662123 aut Maschinelles Lernen für dummies Jörn Fischer ; Fachkorrektur von Prof. Dr. Kai Eckert und Prof. Dr. Ivo Wolf 1. Auflage Weinheim Wiley 2024 340 Seiten Illustrationen, Diagramme 24 cm x 17.6 cm txt rdacontent n rdamedia nc rdacarrier ... für dummies Lernen einfach gemacht Literaturverzeichnis Seite 327-328 auf dem Cover: maschinelles Lernen richtig verstehen, GPT-Sprachmodell, Deep Learning, neuronales Q-Learning - alles selbst programmieren, viele Code-Beispiele zu allen behandelten Themen Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf Maschinelles Lernen (DE-588)4193754-5 s DE-604 Eckert, Kai 1978- (DE-588)1023534088 ctb Wolf, Ivo ctb Wiley-VCH (DE-588)16179388-5 pbl Erscheint auch als Online-Ausgabe, EPUB 978-3-527-84184-4 (DE-604)BV049662188 Digitalisierung Bibliothek HTW Berlin application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034839895&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis 1\p vlb 20231029 DE-101 https://d-nb.info/provenance/plan#vlb |
| spellingShingle | Fischer, Jörn 1970- Maschinelles Lernen für dummies Maschinelles Lernen (DE-588)4193754-5 gnd |
| subject_GND | (DE-588)4193754-5 |
| title | Maschinelles Lernen für dummies |
| title_auth | Maschinelles Lernen für dummies |
| title_exact_search | Maschinelles Lernen für dummies |
| title_exact_search_txtP | Maschinelles Lernen für Dummies |
| title_full | Maschinelles Lernen für dummies Jörn Fischer ; Fachkorrektur von Prof. Dr. Kai Eckert und Prof. Dr. Ivo Wolf |
| title_fullStr | Maschinelles Lernen für dummies Jörn Fischer ; Fachkorrektur von Prof. Dr. Kai Eckert und Prof. Dr. Ivo Wolf |
| title_full_unstemmed | Maschinelles Lernen für dummies Jörn Fischer ; Fachkorrektur von Prof. Dr. Kai Eckert und Prof. Dr. Ivo Wolf |
| title_short | Maschinelles Lernen für dummies |
| title_sort | maschinelles lernen fur dummies |
| title_sub | maschinelles Lernen richtig verstehen : GPT-Sprachmodell, Deep Learning, neuronales Q-Learning - alles selbst programmieren : viele Code-Beispiele zu allen behandelten Themen |
| topic | Maschinelles Lernen (DE-588)4193754-5 gnd |
| topic_facet | Maschinelles Lernen |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=034839895&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT fischerjorn maschinelleslernenfurdummies AT eckertkai maschinelleslernenfurdummies AT wolfivo maschinelleslernenfurdummies AT wileyvch maschinelleslernenfurdummies |