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