Beschreibung:
Nach einer verständlichen Einführung in die Grundtypen des Machine Learning und der erforderlichen mathematischen und statistischen Grundlagen wird der Leser weiter geführt in das Machine Learning, zum einen inhaltlich-technisch: Es werden beispielsweise die Typen des Lernens weiter differenziert. Mathematisch: Die grundlegenden, häufig eingesetzten Algorithmen werden bis auf mathematisches Niveau detailliert erklärt und daneben die Technik des Entwickelns eigener Lernalgorithmen. Praktisch: Bestimmung geeigneter Merkmale für eine Datenmenge, die aus Rohdaten erstellt werden soll und weitere nötige Arbeitsschritte des Datenanalytikers zur Erzeugung einer geeigneten Datenmenge. Deep Learning als Spezialform des Machine Learnings in neuronalen Netzen wird in einem eigenen Kapitel beschrieben. Unter den zahlreichen Büchern über Machine Learning sei hier Sebastian Raschka (2017) wegen der hohen Qualität hervorgehoben: Der Autor empfiehlt allerdings das hier rezensierte Buch wegen der Programmsprachen-Unabhängigkeit und der Kompaktheit ("Vorwort der deutschen Ausgabe", Seite 9)