Maschinelles Lernen Durch Python. Unüberwachtes Lernen: Dimensionsreduktion, Segmentierung Und Neuronale Netze

Maschinelles Lernen ist ein interdisziplinäres Feld, das Methoden, Algorithmen, Prozesse und Systeme nutzt, um Wissen und Schlussfolgerungen aus strukturierten und unstrukturierten Daten zu extrahieren. Es kombiniert Elemente aus Statistik, Informatik, Mathematik und analytischen Techniken, um Probleme zu lösen, Vorhersagen zu treffen und aus Daten Mehrwert zu generieren. Es nutzt Big Data, um Muster, Trends und Beziehungen zu erkennen, die für Entscheidungen in verschiedenen Branchen genutzt werden können. Es ist eine wichtige Unterstützung für künstliche Intelligenz. Maschinelles Lernen verwendet zwei Arten von Techniken: überwachtes Lernen, bei dem ein Modell mit bekannten Eingabe- und Ausgabedaten trainiert wird, um zukünftige Ergebnisse vorherzusagen, und unüberwachtes Lernen, bei dem versteckte Muster oder intrinsische Strukturen in den Eingabedaten gefunden werden. Die meisten dieser Techniken des unüberwachten Lernens werden in diesem Buch aus methodischer und praktischer Sicht entwickelt und mit der Software Python angewendet. Folgende Techniken werden behandelt: Dimensionsreduktion, Hauptkomponentenanalyse, Faktorenanalyse, einfache Korrespondenzanalyse, multiple Korrespondenzanalyse, mehrdimensionale Skalierung, neuronale Netzwerke (SOM Kohonen usw.), Mustererkennung, Anomalieerkennung, Autoencoder, Bildverarbeitung und Convolutional Neural Networks (CNNs).