Erstellung eigener Anwendungen mit Python
Buch, Deutsch, 366 Seiten, Format (B × H): 168 mm x 240 mm, Gewicht: 720 g
ISBN: 978-3-658-49544-2
Verlag: Springer
In einer VUCA-Welt, die immer unbeständiger, unsicherer und komplexer ist, gilt es zeitnah und faktenbasiert zu agieren. Neben den eigenen Erfahrungen der Vergangenheit gilt es ein umfassendes Verständnis der aktuellen Lage zu besitzen, Daten über die eigene Organisation ebenso wie den Markt bei der Entscheidungsfindung zu berücksichtigen und auch Methoden der Künstlichen Intelligenz und des Maschine Learnings einzusetzen.
Die Konkurrenz schläft nicht und wer im Zeitalter der Digitalisierung nicht vertraut ist mit den Methoden und Möglichkeiten der Künstlichen Intelligenz, der ist vielleicht schon bald nicht mehr konkurrenzfähig.
Die kostenlose (Open Source) Programmiersprache Python hat sich in Verbindung mit Bibliotheken wie TensorFlow, PyTorch und Scikit-Learn als eine der führenden Entwicklungsumgebungen in dem Bereich des Machine Learning etabliert.
Dieses Buch vermittelt Ihnen auf Basis der zum Zeitpunkt der Publikation aktuellsten Version von Python, wie Sie Künstliche Intelligenz und Machine Learning nutzen können. Um die Anwendungsmöglichkeiten besser abschätzen zu können werden im Buch zunächst wesentliche Methoden und Algorithmen des Machine Learning wie Entscheidungsbäume, Random Forests, Support-Vector-Maschinen, K-Nearest-Neighbor, K-Means Clustering, Hauptkomponentenanalyse, Neuronale Netze und Deep Learning vorgestellt. Auch ein Vorgehensmodell zur Einführung von Machine Learning wird vorgestellt, welches neben der Modellauswahl und dem Modelltraining auch die Validierung und Qualitätsbewertung beinhaltet. Dieses Verständnis entmystifiziert die Künstliche Intelligenz und ermöglicht die Funktionsweise des Machine Learning nachzuvollziehen. Das dadurch entstehende Vertrauen schafft die Basis für die Akzeptanz der Künstlichen Intelligenz.
Zielgruppe
Professional/practitioner
Autoren/Hrsg.
Fachgebiete
Weitere Infos & Material
Nutzen von Machine Learning und KI.- Machine Learning.- Best Practices.- Entwicklungsumgebung.- Python-Grundlagen.- Erstellung von KI-Anwendungen.- Anwendung von Machine Learning.- Ausblick.
