Книга - Maschinelles Lernen In Aktion

Maschinelles Lernen In Aktion
Alan T. Norman


Sind Sie auf der Suche nach einem Einsteigerbuch, um sich mit den grundlegenden Konzepten des maschinellen Lernens vertraut zu machen?

Mein Buch erklärt Ihnen die grundlegenden Konzepte auf einfach verständliche Weise. Wenn Sie dieses Buch gelesen haben, werden Sie ein solides Verständnis für die Grundprinzipien haben, das Ihnen den Schritt zu einem fortgeschritteneren Buch erleichtert, wenn Sie mehr darüber lernen möchten.



Translator: Bianca Balzer







Maschinelles Lernen in Aktion

Ein Grundlagenbuch für den Laien

Alan T. Norman

Aus dem Englischen übersetzt von Frank Münker



Copyright © 2020 Alan T. Norman - Alle Rechte vorbehalten.

Kein Teil dieser Veröffentlichung darf ohne vorherige schriftliche Genehmigung des Herausgebers in irgendeiner Form oder auf irgendeine Weise, einschließlich Fotokopieren, Aufzeichnen oder mit anderen elektronischen oder mechanischen Methoden, oder durch ein Informationsspeicher- und -abrufsystem reproduziert, verbreitet oder übertragen werden, außer bei sehr kurzen Zitaten, die in kritischen Rezensionen und bestimmten anderen nicht kommerziellen, nach dem Urheberrechtsgesetz erlaubten Verwendungen enthalten sind.


Warum Ich Dieses Buch Geschrieben Habe (#ulink_09bb0cb3-d08b-5a81-97de-101e8b2d60a2)

In diesem Buch geht es nicht um das Codieren von Lernalgorithmen (#ulink_ecf9f689-5892-50f7-8f1d-293a2de846e7)

Eine Einführung für den Laien (#ulink_7f65f2cb-2bf5-5535-92ac-9afeee3be23d)

Kapitel 1. Was ist Maschinelles Lernen? (#ulink_a6a6bbf0-b8df-5d28-91b9-e8ecc0ae2420)

Explizite Programmierung vs. Algorithmustraining (#ulink_6a025594-4f7a-5081-badb-67f0b24927b7)

Definition: Künstliche Intelligenz vs. maschinelles lernen vs. neuronale netze (#ulink_2c129f70-d3fc-5ce9-adff-cbc509a07dc9)

Grundlegende Konzepte (#ulink_80e1e34b-1870-5fee-810e-328969646f76)

Überwachtes vs. unüberwachtes lernen (#ulink_9e02e634-088c-5f95-a2a5-97dc51339a24)

Welche Probleme kann man mit Maschinellem Lernen lösen? (#ulink_e759f778-915e-5e8e-a4e9-91017c9d8987)

Die Black Box: Was wir nicht über maschinelles Lernen wissen (#ulink_93c679a8-99e3-56d3-baf6-ac836c54df81)

Tieferer einstieg (#ulink_f63f4780-66c5-5bd0-bf78-e5af957b44e2)

Kapitel 2. Bereinigung, Beschriftung und Pflegen von Daten (#ulink_fe74ad92-bf64-5bf1-bffa-6821893113d6)

Datenbereinigung (#ulink_748f5a91-9f74-5389-8bc4-2501794accc6)

Große Datensätze für ML erforderlich (#ulink_47421a47-03c9-54f2-9da7-a222eb54d347)

Die Daten müssen gut beschriftet sein (#ulink_0e8c158c-0dae-589b-bbc0-79022017671e)

Kapitel 3. Auswählen Oder Schreiben Eines ML-Algorithmus (#ulink_1c8b387f-fa67-5c55-8130-33a4e2db2a3a)

Grundlegende Konzepte (#ulink_b6c3640f-908a-5a64-aac3-e5e4e4b2eede)

Gängige Algorithmus-Arten (#ulink_1e75d6e8-f10c-5921-9688-a36158ccea9f)

Was man braucht, um einen neuen Algorithmus zu schreiben (#ulink_6d948b84-7add-54f1-acf0-9199a693bd83)

Kapitel 4. Training und Einführung Eines Algorithmus (#ulink_fe35fd03-536d-5fa3-a953-7b6461f74e20)

Programmierung (#ulink_e3ddfb42-be1e-52c5-9bac-35a1be965196)

Statisch vs. dynamisch (#ulink_a3e6b5b8-59d3-5615-82ff-3bf4ce423539)

Tuning und feature engineering (#ulink_162ccfd1-3fe9-5780-99ba-cd22f62fcd45)

Einen Algorithmus wegwerfen (#ulink_05edeb3e-240a-5f17-a95e-c42d1c9ec512)

Kapitel 5. Praktische Anwendungen des Maschinellen Lernens (#ulink_1d1b2137-79a8-5d62-9f71-b7fb5c3f00c9)

Transport (#ulink_12a8da1d-2cc5-5dee-8474-123bbaebeb04)

Produktempfehlungen (#ulink_22c60bd8-f8a6-5f26-83bd-0539ae98f1e4)

Finanzen (#ulink_a200393e-548f-57d7-a924-4c1766e9bd0e)

Sprachassistenten, Intelligente Häuser und Autos (#ulink_0639cdf8-d7ff-52ac-bd26-0fb1929e677c)

Fazit (#ulink_25c902d3-ac42-5af2-95ae-33e94e9f5179)

Über den Autor (#ulink_49536d38-2c85-527d-9750-b4fb7eabeee8)

Bitcoin Whales Bonus Buch (#ulink_5e91d8e6-995f-584b-bb08-7f03fd0329aa)

Andere Bücher von Alan T. Norman: (#ulink_392df6d1-8bd1-5f32-9bf3-ba170563b35a)

Noch eine letzte Sache ... (#ulink_4e2ffed3-b448-51d9-b30c-b4fa0f696352)





Warum Ich Dieses Buch Geschrieben Habe


Willkommen in der Welt des maschinellen Lernens!






Die künstliche Intelligenz ist dabei, den Lauf der Menschheitsgeschichte zu verändern, vielleicht mehr als jede andere Technologie zuvor. Ein großer Teil dieser Revolution ist das maschinelle Lernen.

Maschinelles Lernen ist die Wissenschaft, einem Computer beizubringen, auf der Grundlage von Daten Vorhersagen zu machen. Grundsätzlich bedeutet maschinelles Lernen, einen Computer mit Daten zu füttern und ihn daraus eine Vorhersage ableiten zu lassen. Am Anfang wird der Computer noch oft falsche Vorhersagen machen, doch im Verlauf von Tausenden von Vorhersagen wird der Computer seinen Algorithmus verfeinern, um bessere Vorhersagen zu treffen.

Diese Art von vorausschauenden Berechnungen war bislang nicht möglich, weil die Computer einfach nicht genug Daten speichern und nicht schnell genug rechnen konnten, um effektiv lernen zu können. Aber Jahr für Jahr werden die Computer in wachsendem Tempo immer besser. Fortschritte bei Speicher und Rechenleistung treiben die Entwicklung hin zu intelligenteren Maschinen an. Dadurch sind die Rechner heutzutage zu Dingen in der Lage, die noch vor ein oder zwei Jahrzehnten völlig undenkbar gewesen wären.

Das maschinelle Lernen hat schon heute Einfluss auf unser Leben. Amazon verwendet maschinelles Lernen, um vorherzusagen, welche Produkte Sie kaufen möchten. Gmail benutzt es, um Spam-Mails aus Ihrem Posteingang herauszufiltern. Die Filmempfehlungen, die Netflix Ihnen gibt, basieren auf Algorithmen des maschinellen Lernens.

Aber der Einfluss von maschinellem Lernen fängt hier erst an. Algorithmen machen schon jetzt in vielen Branchen Vorhersagen, von der Landwirtschaft bis hin zum Gesundheitswesen. Dies wird Jahr für Jahr in immer weiteren Branchen und Gebieten spürbar werden. Wir werden diese neuen Anwendungen des maschinellen Lernens Schritt für Schritt als Teil unseres Lebens akzeptieren. Auf jeden Fall ist diese neue Abhängigkeit von intelligenten Maschinen ein Wendepunkt in der Geschichte der Technologie, und dies wird in immer rasanterem Tempo weitergehen.

In Zukunft werden maschinelles Lernen und künstliche Intelligenz die Automatisierung vieler Aufgaben übernehmen, die heute noch von Menschen erledigt werden. Selbstfahrende Autos sind für die Bilderkennung auf maschinelles Lernen angewiesen. Sie werden zunehmend den Straßenverkehr prägen, ebenso wie selbstfahrende LKWs und andere Fahrzeuge für den Güter-Transport. Ein Großteil der Landwirtschaft und der Produktion ist jetzt schon automatisiert, sodass maschinelles Lernen uns bereits heute unsere täglichen Lebensmittel und Waren liefert. Dieser Trend zur Automatisierung beschleunigt sich immer mehr. Weitere Anwendungen für maschinelles Lernen könnten die täglichen Aufgaben der Menschen grundlegend verändern, da Maschinen immer besser in der Lage sind, Prozesse zu verwalten und Wissensarbeit zu erledigen.

Da maschinelles Lernen einen so tiefgreifenden Einfluss auf unseren Alltag haben wird, ist es wichtig, dass jedermann Zugang zu Informationen darüber hat, wie maschinelles Lernen funktioniert. Deshalb habe ich dieses Buch geschrieben. Die derzeitige Landschaft zu maschinellem Lernen ist geteilt.

Zum einen gibt es Werke für die breite Masse, die aber zu stark vereinfacht sind und den Eindruck erwecken, dass nur ein absoluter Experte diese Konzepte verstehen könnte.

Andererseits gibt es technische Veröffentlichungen, die von Experten für Experten verfasst wurden. Sie schließen mit ihrem technischen Jargon und ihrer Komplexität die Allgemeinheit aus. Natürlich ist das Schreiben und Ausführen eines Algorithmus für maschinelles Lernen eine sehr anspruchsvolle technische Leistung, und dafür ist die entsprechende Fachliteratur notwendig. Aber es klafft eine große Lücke in der aktuellen Literatur zum maschinellen Lernen.

Was ist mit dem Laien, der diese technologische Revolution verstehen möchte? Der nicht selbst Code schreiben möchte, sondern nur die Veränderungen um ihn herum verstehen will? Das Verständnis der Kernkonzepte des maschinellen Lernens sollte nicht auf eine technologische Elite beschränkt bleiben, denn diese Veränderungen betreffen uns alle. Sie haben ethische Konsequenzen, und es ist wichtig, dass die Öffentlichkeit über alle Vor- und Nachteile des maschinellen Lernens Bescheid weiß.

Deshalb habe ich dieses Buch geschrieben. Wenn das für Sie interessant klingt, dann wünsche ich Ihnen viel Vergnügen beim Lesen.




In diesem Buch geht es nicht um das Codieren von Lernalgorithmen


Falls das Manifest in der Einleitung nicht klar genug war: In diesem Buch geht es nicht um das Codieren. Es ist nicht für Informatiker gedacht, die lernen möchten, wie man Algorithmen für maschinelles Lernen erstellt.

Zum einen bin ich selbst bei Weitem nicht qualifiziert, ein solches Buch zu schreiben. Menschen verbringen Jahre damit, die Feinheiten des Schreibens von Algorithmen und des Trainings von Netzwerken zu lernen. Es gibt ganze Doktorandenprogramme, die die Ränder dieses Feldes erforschen und sich dabei auf die lineare Algebra und die prädiktive Statistik stützen. Wenn man tief in die Details des maschinellen Lernens eintaucht und es genug liebt, um einen Doktortitel zu erhalten, könnte man leicht 300.000 bis 600.000 US-Dollar verdienen, wenn man für eine große Technologiefirma arbeitet. So selten und wertvoll sind diese Fähigkeiten.

Ich selbst habe diese Qualifikationen nicht, und das ist auch gut so. Wenn Sie dieses Buch in der Hand haben, sind Sie vermutlich ein Laie, der Interesse an maschinellem Lernen hat. Sie haben wahrscheinlich keinen technischen Hintergrund, oder selbst wenn, dann sind Sie auf der Suche nach einem grundlegenden Buch, um den Einstieg in die grundsätzlichen Zusammenhänge zu finden. Als Technologie-Autor lerne ich ständig neue Technologien. Ich kann mich noch.

Ich kann Ihnen dabei helfen, die grundsätzlichen Konzepte auf leicht verständliche Weise zu erklären. Nachdem Sie dieses Buch gelesen haben, sollten Sie ein solides Verständnis für die Grundprinzipien haben. Das macht es einfacher, dann ein fortgeschritteneres Buch zu diesem Thema zu lesen, wenn Sie mehr darüber erfahren möchten.

Wenn Sie jedoch das Gefühl haben, die Grundprinzipien bereits zu verstehen, oder wenn Sie ein Buch wollen, das Ihnen das Schreiben und Trainieren eines Algorithmus für maschinelles Lernen in allen technischen Details vermittelt, dann ist dies wahrscheinlich nicht das richtige Buch für Sie.




Eine Einführung für den Laien


Das eigentliche Ziel dieses Buches ist es, eine einfach zu lesende Einführung in das maschinelle Lernen zu sein. Mein Ziel ist es, ein Buch zu schreiben, das jeder verstehen kann, aber dennoch den Prinzipien des maschinellen Lernens treu zu bleiben und die Konzepte nicht zu stark zu vereinfachen. Ich vertraue dabei auf die Intelligenz meiner Leser und glaube nicht, dass ein Anfängerbuch unbedingt auf jegliche Komplexität und Details verzichten muss. Es ist jedoch kein sehr umfangreiches Buch und es ist bei Weitem nicht umfassend. Diejenigen, die tief in dieses Thema einsteigen wollen, werden sich eher mit anderen Büchern und Ressourcen beschäftigen.

In diesem Buch schauen wir uns die grundlegenden Konzepte und Arten des maschinellen Lernens an. Wir erforschen, wie sie funktionieren. Dann werden wir uns mit Daten und dem Schreiben und Trainieren eines Algorithmus beschäftigen. Und schließlich betrachten wir reale Anwendungsfälle für maschinelles Lernen sowie Anwendungsfälle, in denen maschinelles Lernen als Nächstes zum Einsatz kommen könnte.

Nochmals herzlich willkommen beim maschinellen Lernen. Und jetzt tauchen wir ein ...





Конец ознакомительного фрагмента. Получить полную версию книги.


Текст предоставлен ООО «ЛитРес».

Прочитайте эту книгу целиком, купив полную легальную версию (https://www.litres.ru/pages/biblio_book/?art=66740498) на ЛитРес.

Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.