Einstieg ins Machine Learning: Grundlagen, Prinzipien, erste Schritte

Shahin Amiriparian · Andreas Bühlmeier · Christoph Henkelmann · Maximilian Schmitt · Björn Schuller · Oliver Zeigermann

2019年5月 · shortcuts 233 巻 · entwickler.Press

電子書籍

ページ

利用可能

評価とレビューは確認済みではありません詳細

この電子書籍について

Künstliche Intelligenz und maschinelles Lernen, neuronale Netzwerke und Deep Learning – nichts davon ist wirklich neu. Und doch ist die Zahl der Vorträge und Veröffentlichungen, der Onlinekurse und Workshops rund um alles, was mit Machine Learning zu tun hat, in der letzten Zeit ins schier Unermessliche gestiegen. Leistungsstarke Hardware und der Zugriff auf immer mehr Cloud-Dienste für immer mehr Anwender sind sicherlich ein Grund dafür. Wie auch Sie einen Einstieg ins Machine Learning finden, zeigt Ihnen dieser shortcut. Zunächst zeigt Ihnen Dr. Andreas Bühlmeier die mathematischen Grundlagen, die Machine Learning überhaupt erst möglich machen, und stellt einige der wichtigsten und meistgebrauchten Algorithmen vor. Christoph Henkelmann erläutert, wie Texte richtig vorbehandelt werden, damit sie überhaupt von Machine- und Deep-Learning-Algorithmen verarbeitet werden können. Was man dann damit machen kann, und wie man von der Text- und Spracherkennung zur Emotionserkennung kommt, erläutern Shahin Amiriparian, Maximilian Schmitt und Björn Schuller anhand eines ausführlichen Beispiels. Und dass es für erste eigene Versuche mit Machine Learning nicht unbedingt spezialisierte Hardware und neue Programmiersprachen braucht, beweist Oliver Zeigermann, indem er mit TensorFlow.js einfache Anwendungen nur mit JavaScript im Browser erstellt.

著者について

Shahin Amiriparian ist Wissenschaftler an der Universität Augsburg. Er ist Experte im Bereich des maschinellen Lernens und der Audioanalyse. Von 2014 bis 2017 hat er den Kurs "Programmierung in Java" an der Universität Passau geleitet. Dr. Andreas Bühlmeier hat auf dem Gebiet Neuronaler Netze und Robotik promoviert, Beiträge publiziert und Vorträge im In- und Ausland gehalten. Nach Tätigkeiten in der IT für verschiedenste Branchen hat ihn die enorme Leistungsfähigkeit und Anwendungsfreundlichkeit von Python wieder stärker zum maschinellen Lernen und Data Science gebracht. Als freier Berater hat er gerade ein Projekt zur unscharfen Suche beendet und beschäftigt sich jetzt u. a. mit der Mustererkennung in Spektrogrammen. Christoph Henkelmann ist technischer Geschäftsführer der von ihm mit gegründeten KI-Beratungs- und -Entwicklungsfirma DIVISIO. Dort verbindet er theoretische Kenntnisse aus dem Bereich Künstliche Intelligenz mit langjähriger Erfahrung in der Enterprise-Software-Entwicklung. Maximilian Schmitt ist Wissenschaftler an der Universität Augsburg. Er ist Experte im Bereich des maschinellen Lernens und der Audioanalyse. Von 2015 bis 2017 hat er einen Kurs über maschinelles Lernen an der Universität Passau geleitet. Björn Schuller ist Professor an der Universität Augsburg, Professor für Künstliche Intelligenz am Imperial College London und CSO der audEERING GmbH. Er ist ein international führender Experte im Bereich des Affective Computing und der maschinellen Audioanalyse. Oliver Zeigermann hat in den 90er Jahren Informatik mit den Schwerpunkten KI und Compilerbau studiert. Als Berater in Hamburg knüpft er an diese Erfahrungen an und entwickelt zudem meist browserbasierte Software.