Eine Einführung in die 42 am häufigsten angewandten Machine Learning Algorithmen (mit Code-Beispielen)

Egal, ob Sie Datenwissenschaftler, Softwareentwickler oder einfach nur daran interessiert sind, etwas über maschinelles Lernen zu lernen, "Eine Einführung in die 42 am häufigsten angewandten Machine Learning Algorithmen (mit Code-Beispielen)" ist eine hervorragende Ressource, um ein Verständnis für dieses spannende Gebiet zu erlangen. Über den Autor: Murat Durmus ist CEO und Gründer der AISOMA AG (einem in Frankfurt am Main ansässigen Unternehmen, das sich auf KI-basierte Technologieentwicklung und Beratung spezialisiert hat), Vorstandsmitglied AI Frankfurt Rhein-Main e.V. und Autor der Bücher "THE AI THOUGHT BOOK", "Mindful AI - Reflections on Artificial Intelligence", "INSIDE ALAN TURING". Folgende Algorithmen werden in diesem Buch behandelt: . ADABOOST . ADAM OPTIMIZATION . AGGLOMERATIVE CLUSTERING . ARMA/ARIMA MODEL . BERT . CONVOLUTIONAL NEURAL NETWORK . DBSCAN . DECISION TREE . DEEP Q-LEARNING . EFFICIENTNET . FACTOR ANALYSIS OF CORRESPONDENCES . GAN . GMM . GPT-3 . GRADIENT BOOSTING MACHINE . GRADIENT DESCENT . GRAPH NEURAL NETWORKS . HIERARCHICAL CLUSTERING . HIDDEN MARKOV MODEL (HMM) . INDEPENDENT COMPONENT ANALYSIS . ISOLATION FOREST . K-MEANS . K-NEAREST NEIGHBOUR . LINEAR REGRESSION . LOGISTIC REGRESSION . LSTM . MEAN SHIFT . MOBILENET . MONTE CARLO ALGORITHM . MULTIMODAL PARALLEL NETWORK . NAIVE BAYES CLASSIFIERS . PROXIMAL POLICY OPTIMIZATION . PRINCIPAL COMPONENT ANALYSIS . Q-LEARNING . RANDOM FORESTS . RECURRENT NEURAL NETWORK . RESNET . SPATIAL TEMPORAL GRAPH CONVOLUTIONAL NETWORKS . STOCHASTIC GRADIENT DESCENT . SUPPORT VECTOR MACHINE . WAVENET . XGBOOST