Beats Biblionetz - Bücher

/ en / Traditional / help

Wie Maschinen lernen

Künstliche Intelligenz verständlich erklärt
Kristian Kersting, Christoph Lampert, Constantin Rothkopf , local secure web 
Thumbnail des PDFs
Dieses Biblionetz-Objekt existiert erst seit November 2019. Es ist deshalb gut möglich, dass viele der eigentlich vorhandenen Vernetzungen zu älteren Biblionetz-Objekten bisher nicht erstellt wurden. Somit kann es sein, dass diese Seite sehr lückenhaft ist.

iconZusammenfassungen

Wissen Sie, was sich hinter künstlicher Intelligenz und maschinellem Lernen verbirgt? Dieses Sachbuch erklärt Ihnen leicht verständlich und ohne komplizierte Formeln die grundlegenden Methoden und Vorgehensweisen des maschinellen Lernens. Mathematisches Vorwissen ist dafür nicht nötig. Kurzweilig und informativ illustriert Lisa, die Protagonistin des Buches, diese anhand von Alltagssituationen.
Ein Buch für alle, die in Diskussionen über Chancen und Risiken der aktuellen Entwicklung der künstlichen Intelligenz und des maschinellen Lernens mit Faktenwissen punkten möchten. Auch für Schülerinnen und Schüler geeignet!
Von Klappentext im Buch Wie Maschinen lernen (2019)

iconBemerkungen zu diesem Buch

Wir möchten Ihnen mit diesem Buch eine leicht verständliche Einführung in die Welt der lernenden Maschinen bieten. Dazu stellen wir einflussreiche, weitverbreitete Algorithmen des maschinellen Lernens Schritt für Schritt und anschaulich vor. Sie benötigen dazu keine besonderen Vorkenntnisse. Jeder kann verstehen, wie diese Methoden funktionieren. Und Sie werden eine Vorstellung davon entwickeln, was diese Methoden leisten können, was (noch) nicht und was vermutlich nie. Dadurch wollen wir Licht in die Dunkelheit der Blackbox der künstlichen Intelligenz bringen.
Von Jannik Kossen, Fabrizio Kuruc, Maike Elisa Müller im Buch Wie Maschinen lernen (2019) im Text Einleitung auf Seite  5

iconKapitel  Unter den anklickbaren Kapiteln finden Sie Informationen über einzelne Teile des gewählten Werks.

  • 1. Einleitung (Seite 3 - 10) (Jannik Kossen, Fabrizio Kuruc, Maike Elisa Müller) local secure web 
  • 2. Algorithmen (Seite 11 - 20) (Nicolas Berberich) local secure web 
  • 3. Maschinelles Lernen (Seite 21 - 27) (Michael Krause, Elena Natterer) local secure web 
  • 4. Daten (Seite 29 - 37) (Alexandros Gilch, Theresa Schüler) local secure web 
  • 5. Regression (Seite 39 - 43) (Jannik Kossen, Maike Elisa Müller) local secure web 
  • 6. Klassifikation (Seite 45 - 52) (Jana Aberham, Jannik Kossen) local secure web 
  • 7. Clusteranalyse (Seite 53 - 57) (Jana Aberham, Fabrizio Kuruc) local secure web 
  • 8. Lineare Regression (Seite 61 - 67) (Jannik Kossen, Maike Elisa Müller) local secure web 
  • 9. Ausreißer (Seite 69 - 72) (Jannik Kossen, Maike Elisa Müller) local secure web 
  • 10. k-Nächste-Nachbarn (Seite 73 - 79) (Michael Neumann) local secure web 
  • 11. k-Means-Algorithmus (Seite 81 - 88) (Dorothea Müller) local secure web 
  • 12. Fluch der Dimensionalität (Seite 89 - 94) (Jannik Kossen, Fabrizio Kuruc) local secure web 
  • 13. Support Vector Machine (Seite 95 - 103) (Jana Aberham, Fabrizio Kuruc) local secure web 
  • 14. Logistische Regression (Seite 105 - 110) (Theresa Schüler) local secure web 
  • 15. Entscheidungsbäume (Seite 111 - 118) (Jannik Kossen, Maike Elisa Müller, Max Ruckriegel) local secure web 
  • 16. Verzerrung-Varianz-Dilemma (Seite 119 - 123) (Jannik Kossen, Maike Elisa Müller) local secure web 
  • 17. Hauptkomponentenanalyse (Seite 125 - 133) (Christian Hölzer) local secure web 
  • 18. Eine kurze Geschichte der künstlichen Intelligenz (Seite 135 - 140) (Ina Kalder) local secure web 
  • 19. Big Data (Seite 141 - 147) (Christian Hölzer, Elena Natterer) local secure web 
  • 20. Künstliche neuronale Netze (Seite 149 - 161) (Leon Hetzel, Frederik Wangelik) local secure web 
  • 21. Faltungsnetze (Seite 163 - 169) (Jannik Kossen, Maike Elisa Müller) local secure web 
  • 22. Gradientenabstiegsverfahren (Seite 171 - 180) (Wolfgang Böttcher, Charlotte Bunne, Johannes von Stetten) local secure web 
  • 23. No Free Lunch Theorem (Seite 181 - 184) (Maike Elisa Müller) local secure web 
  • 24. Bayesregel (Seite 185 - 194) (Justin Fehrling, Michael Krause) local secure web 
  • 25. Generative gegnerische Netzwerke (Seite 195 - 201) (Jannik Kossen, Maike Elisa Müller) local secure web 
  • 26. Verstärkendes Lernen (Seite 203 - 212) (Thomas Herrmann, Lars Frederik Peiss) local secure web 
  • 27. Über die Mystifizierung von KI (Seite 215 - 221) (Nicolas Berberich, Christian Hölzer) local secure web 
  • 28. Künstliche Intelligenz und Sicherheit (Seite 223 - 228) (Nicolas Berberich, Ina Kalder) local secure web 
  • 29. Künstliche Intelligenz und Ethik (Seite 229 - 239) (Nicolas Berberich) local secure web 
  • 30. Schlusswort (Seite 241 - 245) (Jannik Kossen, Maike Elisa Müller, Elena Natterer) local secure web 

icondieses Buch erwähnt ...


Personen
KB IB clear
Joseph Weizenbaum

Aussagen
KB IB clear
big data fördert machine learning

Begriffe
KB IB clear
Algorithmusalgorithm, amazon, big databig data, Computercomputer, Datendata, Digitalisierung, ElizaEliza, Ethikethics, facebook, Google, Intelligenzintelligence, Internetinternet, Künstliche Intelligenz (KI / AI)artificial intelligence, Lernenlearning, machine learning, Marketingmarketing, Maschinemachine, Mensch, Neuronneuron, Neuronales Netzneural network, Perceptron, Regressionregression, reinforcement learning, Roboterrobot, Sicherheitsecurity, SpamSpam, Spamfilter, supervised learning, Technologietechnology, Transparenz, unsupervised learning, Verantwortungresponsability, Vernunft, Zukunftfuture
icon
Bücher
Jahr  Umschlag Titel Abrufe IBOBKBLB
1976  Die Macht der Computer und die Ohnmacht der Vernunft (Joseph Weizenbaum) 9, 4, 8, 7, 22, 5, 16, 9, 13, 11, 10, 161081691618194

icondieses Buch  erwähnt nicht ... Eine statistisch erstelle Liste von nicht erwähnten (oder zumindest nicht erfassten) Begriffen, die aufgrund der erwähnten Begriffe eine hohe Wahrscheinlichkeit aufweisen, erwähnt zu werden.

iconTagcloud

iconVolltext dieses Dokuments

LokalAuf dem WWW Wie Maschinen lernen: Gesamtes Buch als Volltext (lokal: PDF, 9089 kByte; WWW: Link OK )
LokalAuf dem WWW Einleitung: Artikel als Volltext bei Springerlink (lokal: PDF, 389 kByte; WWW: Link OK )
LokalAuf dem WWW k-Nächste-Nachbarn: Artikel als Volltext bei Springerlink (lokal: PDF, 1076 kByte; WWW: Link OK )
LokalAuf dem WWW k-Means-Algorithmus: Artikel als Volltext bei Springerlink (lokal: PDF, 1096 kByte; WWW: Link OK )
LokalAuf dem WWW Fluch der Dimensionalität: Artikel als Volltext bei Springerlink (lokal: PDF, 328 kByte; WWW: Link OK )
LokalAuf dem WWW Support Vector Machine: Artikel als Volltext bei Springerlink (lokal: PDF, 497 kByte; WWW: Link OK )
LokalAuf dem WWW Logistische Regression: Artikel als Volltext bei Springerlink (lokal: PDF, 350 kByte; WWW: Link OK )
LokalAuf dem WWW Entscheidungsbäume: Artikel als Volltext bei Springerlink (lokal: PDF, 246 kByte; WWW: Link OK )
LokalAuf dem WWW Verzerrung-Varianz-Dilemma: Artikel als Volltext bei Springerlink (lokal: PDF, 262 kByte; WWW: Link OK )
LokalAuf dem WWW Hauptkomponentenanalyse: Artikel als Volltext bei Springerlink (lokal: PDF, 517 kByte; WWW: Link OK )
LokalAuf dem WWW Eine kurze Geschichte der künstlichen Intelligenz: Artikel als Volltext bei Springerlink (lokal: PDF, 225 kByte; WWW: Link OK )
LokalAuf dem WWW Big Data: Artikel als Volltext bei Springerlink (lokal: PDF, 272 kByte; WWW: Link OK )
LokalAuf dem WWW Algorithmen: Artikel als Volltext bei Springerlink (lokal: PDF, 337 kByte; WWW: Link OK )
LokalAuf dem WWW Künstliche neuronale Netze: Artikel als Volltext bei Springerlink (lokal: PDF, 968 kByte; WWW: Link OK )
LokalAuf dem WWW Faltungsnetze: Artikel als Volltext bei Springerlink (lokal: PDF, 337 kByte; WWW: Link OK )
LokalAuf dem WWW Gradientenabstiegsverfahren: Artikel als Volltext bei Springerlink (lokal: PDF, 655 kByte; WWW: Link OK )
LokalAuf dem WWW No Free Lunch Theorem: Artikel als Volltext bei Springerlink (lokal: PDF, 152 kByte; WWW: Link OK )
LokalAuf dem WWW Bayesregel: Artikel als Volltext bei Springerlink (lokal: PDF, 618 kByte; WWW: Link OK )
LokalAuf dem WWW Generative gegnerische Netzwerke: Artikel als Volltext bei Springerlink (lokal: PDF, 297 kByte; WWW: Link OK )
LokalAuf dem WWW Verstärkendes Lernen: Artikel als Volltext bei Springerlink (lokal: PDF, 1066 kByte; WWW: Link OK )
LokalAuf dem WWW Über die Mystifizierung von KI: Artikel als Volltext bei Springerlink (lokal: PDF, 175 kByte; WWW: Link OK )
LokalAuf dem WWW Künstliche Intelligenz und Sicherheit: Artikel als Volltext bei Springerlink (lokal: PDF, 168 kByte; WWW: Link OK )
LokalAuf dem WWW Künstliche Intelligenz und Ethik: Artikel als Volltext bei Springerlink (lokal: PDF, 188 kByte; WWW: Link OK )
LokalAuf dem WWW Maschinelles Lernen: Artikel als Volltext bei Springerlink (lokal: PDF, 227 kByte; WWW: Link OK )
LokalAuf dem WWW Schlusswort: Artikel als Volltext bei Springerlink (lokal: PDF, 154 kByte; WWW: Link OK )
LokalAuf dem WWW Daten: Artikel als Volltext bei Springerlink (lokal: PDF, 163 kByte; WWW: Link OK )
LokalAuf dem WWW Regression: Artikel als Volltext bei Springerlink (lokal: PDF, 347 kByte; WWW: Link OK )
LokalAuf dem WWW Klassifikation: Artikel als Volltext bei Springerlink (lokal: PDF, 478 kByte; WWW: Link OK )
LokalAuf dem WWW Clusteranalyse: Artikel als Volltext bei Springerlink (lokal: PDF, 376 kByte; WWW: Link OK )
LokalAuf dem WWW Lineare Regression: Artikel als Volltext bei Springerlink (lokal: PDF, 544 kByte; WWW: Link OK )
LokalAuf dem WWW Ausreißer: Artikel als Volltext bei Springerlink (lokal: PDF, 324 kByte; WWW: Link OK )
LokalAuf dem WWW Wie Maschinen lernen: Gesamtes Buch als Volltext (lokal: PDF, 9089 kByte; WWW: Link OK )

iconBibliographisches Hier finden Sie Angaben um das gewählte Werk zu kaufen oder in einer Bibliothek auszuleihen.

Titel FormatBez.Aufl.Jahr ISBN      
Wie Maschinen lernenD--0-Bei einer Nebis-Bibliohek ausleihen
 

iconBeat und dieses Buch

Beat hat dieses Buch erst in den letzten 6 Monaten in Biblionetz aufgenommen. Er hat dieses Buch einmalig erfasst und bisher nicht mehr bearbeitet. Beat besitzt kein physisches, aber ein digitales Exemplar. Eine digitale Version ist auf dem Internet verfügbar (s.o.). Aufgrund der vielen Verknüpfungen im Biblionetz scheint er sich intensiver damit befasst zu haben.

iconBiblionetz-History Dies ist eine graphische Darstellung, wann wie viele Verweise von und zu diesem Objekt ins Biblionetz eingetragen wurden und wie oft die Seite abgerufen wurde.