Machine Learning – kurz & gut

Table of contents

1. Cover
2. Titel
3. Impressum
4. Inhalt
5. 1 Einführung
   1. Ist dieses Buch für dich?
   2. Wie du dieses Buch lesen kannst
   3. Eine kleine Geschichte vom Jahrmarkt
   4. Arten von Machine Learning – ein Überblick
6. 2 Quick-Start
   1. Unser erstes Python-Notebook
   2. Unser Beispiel: Irisblüten
   3. Wir bringen dem Computer bei, Irisblüten zu unterscheiden
   4. Nearest Neighbors Classification
   5. Overfitting
   6. Underfitting
   7. Eine bessere Feature-Auswahl
7. 3 Datenimport und -vorbereitung
   1. Datenimport
   2. Das vorbereitete Projekt
   3. Preprocessing
8. 4 Supervised Learning
   1. Lineare Regression
   2. Logistische Regression
   3. Support Vector Machine
   4. Decision-Tree-Klassifikator
   5. Random-Forest-Klassifikator
   6. Boosted Decision Trees
9. 5 Feature-Auswahl
   1. Reduzierung der Features
   2. Auswahl der Features
   3. Principal-Component-Analyse
   4. Feature-Selektion
10. 6 Modellvalidierung
    1. Metrik für Klassifikation
    2. Metrik für Regression
    3. Evaluierung
    4. Hyperparameter-Suche
11. 7 Neuronale Netze und Deep Learning
    1. Iris mit neuronalen Netzen
    2. Feed Forward Networks
    3. Deep Neural Networks
    4. Anwendungsbeispiel: Erkennung von Verkehrsschildern
    5. Data Augmentation
    6. Neuere Ansätze im Bereich CNN
12. Index
13. Fußnoten