Maschinelles Lernen / / Ethem Alpaydin.
Machine learning means artificially generating knowledge from experience. This book discusses methods from the fields of statistics and pattern recognition, and combines various approaches to find efficient solutions. This edition contains a new chapter about deep learning and provides additional in...
Saved in:
| Superior document: | Title is part of eBook package: De Gruyter DG OWV ebook Paket Lehrbücher Technik und Informatik 2022 |
|---|---|
| VerfasserIn: | |
| Place / Publishing House: | München ;, Wien : : De Gruyter Oldenbourg, , [2022] ©2022 |
| Year of Publication: | 2022 |
| Edition: | 3., aktualisierte und erweiterte Auflage |
| Language: | German |
| Series: | De Gruyter Studium
|
| Online Access: | |
| Physical Description: | 1 online resource (XX, 702 p.) |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| id |
9783110740196 |
|---|---|
| ctrlnum |
(DE-B1597)576762 (OCoLC)1294425268 |
| collection |
bib_alma |
| record_format |
marc |
| spelling |
Alpaydin, Ethem, author. aut http://id.loc.gov/vocabulary/relators/aut Maschinelles Lernen / Ethem Alpaydin. 3., aktualisierte und erweiterte Auflage München ; Wien : De Gruyter Oldenbourg, [2022] ©2022 1 online resource (XX, 702 p.) text txt rdacontent computer c rdamedia online resource cr rdacarrier text file PDF rda De Gruyter Studium Frontmatter -- Inhaltsverzeichnis -- Vorwort -- Notationen -- 1 Einführung -- 2 Überwachtes Lernen -- 3 Bayessche Entscheidungstheorie -- 4 Parametrische Methoden -- 5 Multivariate Methoden -- 6 Dimensionalitätsreduktion -- 7 Clusteranalyse -- 8 Nichtparametrische Methoden -- 9 Entscheidungsbäume -- 10 Lineare Diskriminanz -- 11 Mehrlagige Perzeptronen -- 12 Tiefes Lernen -- 13 Lokale Modelle -- 14 Kernel-Maschinen -- 15 Graphenmodelle -- 16 Hidden-Markov-Modelle -- 17 Bayessche Schätzung -- 18 Kombination mehrerer Lerner -- 19 Bestärkendes Lernen -- 20 Experimente mit maschinellem Lernen -- A Wahrscheinlichkeit -- B Lineare Algebra -- C Optimierung -- Index restricted access http://purl.org/coar/access_right/c_16ec online access with authorization star Machine learning means artificially generating knowledge from experience. This book discusses methods from the fields of statistics and pattern recognition, and combines various approaches to find efficient solutions. This edition contains a new chapter about deep learning and provides additional information about multilayer perceptrons and reinforcement learning. There is also a new section on generative adversarial networks. Maschinelles Lernen ist die künstliche Generierung von Wissen aus Erfahrung. Dieses Buch diskutiert Methoden aus den Bereichen Statistik, Mustererkennung und kombiniert die unterschiedlichen Ansätze, um effiziente Lösungen zu finden. Diese Auflage bietet ein neues Kapitel über Deep Learning und erweitert die Inhalte über mehrlagige Perzeptrone und bestärkendes Lernen. Eine neue Sektion über erzeugende gegnerische Netzwerke ist ebenfalls dabei. Issued also in print. Mode of access: Internet via World Wide Web. In German. Description based on online resource; title from PDF title page (publisher's Web site, viewed 02. Mai 2023) Deep Learning. Künstliche Intelligenz. Maschinelles Lernen. Neuronale Netze. Machine learning. artificial intelligence. deep learning. neuronal networks. Title is part of eBook package: De Gruyter DG OWV ebook Paket Lehrbücher Technik und Informatik 2022 9783110994667 ZDB-23-OTI Title is part of eBook package: De Gruyter DG Plus DeG Package 2022 Part 1 9783110766820 Title is part of eBook package: De Gruyter EBOOK PACKAGE COMPLETE 2022 9783110994810 ZDB-23-DGG Title is part of eBook package: De Gruyter EBOOK PACKAGE Engineering, Computer Sciences 2022 9783110994193 ZDB-23-DEI EPUB 9783110740271 print 9783110740141 https://doi.org/10.1515/9783110740196 https://www.degruyter.com/isbn/9783110740196 Cover https://www.degruyter.com/document/cover/isbn/9783110740196/original |
| language |
German |
| format |
eBook |
| author |
Alpaydin, Ethem, Alpaydin, Ethem, |
| spellingShingle |
Alpaydin, Ethem, Alpaydin, Ethem, Maschinelles Lernen / De Gruyter Studium Frontmatter -- Inhaltsverzeichnis -- Vorwort -- Notationen -- 1 Einführung -- 2 Überwachtes Lernen -- 3 Bayessche Entscheidungstheorie -- 4 Parametrische Methoden -- 5 Multivariate Methoden -- 6 Dimensionalitätsreduktion -- 7 Clusteranalyse -- 8 Nichtparametrische Methoden -- 9 Entscheidungsbäume -- 10 Lineare Diskriminanz -- 11 Mehrlagige Perzeptronen -- 12 Tiefes Lernen -- 13 Lokale Modelle -- 14 Kernel-Maschinen -- 15 Graphenmodelle -- 16 Hidden-Markov-Modelle -- 17 Bayessche Schätzung -- 18 Kombination mehrerer Lerner -- 19 Bestärkendes Lernen -- 20 Experimente mit maschinellem Lernen -- A Wahrscheinlichkeit -- B Lineare Algebra -- C Optimierung -- Index |
| author_facet |
Alpaydin, Ethem, Alpaydin, Ethem, |
| author_variant |
e a ea e a ea |
| author_role |
VerfasserIn VerfasserIn |
| author_sort |
Alpaydin, Ethem, |
| title |
Maschinelles Lernen / |
| title_full |
Maschinelles Lernen / Ethem Alpaydin. |
| title_fullStr |
Maschinelles Lernen / Ethem Alpaydin. |
| title_full_unstemmed |
Maschinelles Lernen / Ethem Alpaydin. |
| title_auth |
Maschinelles Lernen / |
| title_alt |
Frontmatter -- Inhaltsverzeichnis -- Vorwort -- Notationen -- 1 Einführung -- 2 Überwachtes Lernen -- 3 Bayessche Entscheidungstheorie -- 4 Parametrische Methoden -- 5 Multivariate Methoden -- 6 Dimensionalitätsreduktion -- 7 Clusteranalyse -- 8 Nichtparametrische Methoden -- 9 Entscheidungsbäume -- 10 Lineare Diskriminanz -- 11 Mehrlagige Perzeptronen -- 12 Tiefes Lernen -- 13 Lokale Modelle -- 14 Kernel-Maschinen -- 15 Graphenmodelle -- 16 Hidden-Markov-Modelle -- 17 Bayessche Schätzung -- 18 Kombination mehrerer Lerner -- 19 Bestärkendes Lernen -- 20 Experimente mit maschinellem Lernen -- A Wahrscheinlichkeit -- B Lineare Algebra -- C Optimierung -- Index |
| title_new |
Maschinelles Lernen / |
| title_sort |
maschinelles lernen / |
| series |
De Gruyter Studium |
| series2 |
De Gruyter Studium |
| publisher |
De Gruyter Oldenbourg, |
| publishDate |
2022 |
| physical |
1 online resource (XX, 702 p.) Issued also in print. |
| edition |
3., aktualisierte und erweiterte Auflage |
| contents |
Frontmatter -- Inhaltsverzeichnis -- Vorwort -- Notationen -- 1 Einführung -- 2 Überwachtes Lernen -- 3 Bayessche Entscheidungstheorie -- 4 Parametrische Methoden -- 5 Multivariate Methoden -- 6 Dimensionalitätsreduktion -- 7 Clusteranalyse -- 8 Nichtparametrische Methoden -- 9 Entscheidungsbäume -- 10 Lineare Diskriminanz -- 11 Mehrlagige Perzeptronen -- 12 Tiefes Lernen -- 13 Lokale Modelle -- 14 Kernel-Maschinen -- 15 Graphenmodelle -- 16 Hidden-Markov-Modelle -- 17 Bayessche Schätzung -- 18 Kombination mehrerer Lerner -- 19 Bestärkendes Lernen -- 20 Experimente mit maschinellem Lernen -- A Wahrscheinlichkeit -- B Lineare Algebra -- C Optimierung -- Index |
| isbn |
9783110740196 9783110994667 9783110766820 9783110994810 9783110994193 9783110740271 9783110740141 |
| url |
https://doi.org/10.1515/9783110740196 https://www.degruyter.com/isbn/9783110740196 https://www.degruyter.com/document/cover/isbn/9783110740196/original |
| illustrated |
Not Illustrated |
| doi_str_mv |
10.1515/9783110740196 |
| oclc_num |
1294425268 |
| work_keys_str_mv |
AT alpaydinethem maschinelleslernen |
| status_str |
n |
| ids_txt_mv |
(DE-B1597)576762 (OCoLC)1294425268 |
| carrierType_str_mv |
cr |
| hierarchy_parent_title |
Title is part of eBook package: De Gruyter DG OWV ebook Paket Lehrbücher Technik und Informatik 2022 Title is part of eBook package: De Gruyter DG Plus DeG Package 2022 Part 1 Title is part of eBook package: De Gruyter EBOOK PACKAGE COMPLETE 2022 Title is part of eBook package: De Gruyter EBOOK PACKAGE Engineering, Computer Sciences 2022 |
| is_hierarchy_title |
Maschinelles Lernen / |
| container_title |
Title is part of eBook package: De Gruyter DG OWV ebook Paket Lehrbücher Technik und Informatik 2022 |
| _version_ |
1806144563962707968 |
| fullrecord |
<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>04449nam a22007455i 4500</leader><controlfield tag="001">9783110740196</controlfield><controlfield tag="003">DE-B1597</controlfield><controlfield tag="005">20230502090707.0</controlfield><controlfield tag="006">m|||||o||d||||||||</controlfield><controlfield tag="007">cr || ||||||||</controlfield><controlfield tag="008">230502t20222022gw fo d z ger d</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783110740196</subfield></datafield><datafield tag="024" ind1="7" ind2=" "><subfield code="a">10.1515/9783110740196</subfield><subfield code="2">doi</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-B1597)576762</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1294425268</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-B1597</subfield><subfield code="b">eng</subfield><subfield code="c">DE-B1597</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">DE</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Alpaydin, Ethem, </subfield><subfield code="e">author.</subfield><subfield code="4">aut</subfield><subfield code="4">http://id.loc.gov/vocabulary/relators/aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Maschinelles Lernen /</subfield><subfield code="c">Ethem Alpaydin.</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">3., aktualisierte und erweiterte Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">München ;</subfield><subfield code="a">Wien : </subfield><subfield code="b">De Gruyter Oldenbourg, </subfield><subfield code="c">[2022]</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">©2022</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 online resource (XX, 702 p.)</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">computer</subfield><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">online resource</subfield><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="347" ind1=" " ind2=" "><subfield code="a">text file</subfield><subfield code="b">PDF</subfield><subfield code="2">rda</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">De Gruyter Studium</subfield></datafield><datafield tag="505" ind1="0" ind2="0"><subfield code="t">Frontmatter -- </subfield><subfield code="t">Inhaltsverzeichnis -- </subfield><subfield code="t">Vorwort -- </subfield><subfield code="t">Notationen -- </subfield><subfield code="t">1 Einführung -- </subfield><subfield code="t">2 Überwachtes Lernen -- </subfield><subfield code="t">3 Bayessche Entscheidungstheorie -- </subfield><subfield code="t">4 Parametrische Methoden -- </subfield><subfield code="t">5 Multivariate Methoden -- </subfield><subfield code="t">6 Dimensionalitätsreduktion -- </subfield><subfield code="t">7 Clusteranalyse -- </subfield><subfield code="t">8 Nichtparametrische Methoden -- </subfield><subfield code="t">9 Entscheidungsbäume -- </subfield><subfield code="t">10 Lineare Diskriminanz -- </subfield><subfield code="t">11 Mehrlagige Perzeptronen -- </subfield><subfield code="t">12 Tiefes Lernen -- </subfield><subfield code="t">13 Lokale Modelle -- </subfield><subfield code="t">14 Kernel-Maschinen -- </subfield><subfield code="t">15 Graphenmodelle -- </subfield><subfield code="t">16 Hidden-Markov-Modelle -- </subfield><subfield code="t">17 Bayessche Schätzung -- </subfield><subfield code="t">18 Kombination mehrerer Lerner -- </subfield><subfield code="t">19 Bestärkendes Lernen -- </subfield><subfield code="t">20 Experimente mit maschinellem Lernen -- </subfield><subfield code="t">A Wahrscheinlichkeit -- </subfield><subfield code="t">B Lineare Algebra -- </subfield><subfield code="t">C Optimierung -- </subfield><subfield code="t">Index</subfield></datafield><datafield tag="506" ind1="0" ind2=" "><subfield code="a">restricted access</subfield><subfield code="u">http://purl.org/coar/access_right/c_16ec</subfield><subfield code="f">online access with authorization</subfield><subfield code="2">star</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">Machine learning means artificially generating knowledge from experience. This book discusses methods from the fields of statistics and pattern recognition, and combines various approaches to find efficient solutions. This edition contains a new chapter about deep learning and provides additional information about multilayer perceptrons and reinforcement learning. There is also a new section on generative adversarial networks.</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">Maschinelles Lernen ist die künstliche Generierung von Wissen aus Erfahrung. Dieses Buch diskutiert Methoden aus den Bereichen Statistik, Mustererkennung und kombiniert die unterschiedlichen Ansätze, um effiziente Lösungen zu finden. Diese Auflage bietet ein neues Kapitel über Deep Learning und erweitert die Inhalte über mehrlagige Perzeptrone und bestärkendes Lernen. Eine neue Sektion über erzeugende gegnerische Netzwerke ist ebenfalls dabei.</subfield></datafield><datafield tag="530" ind1=" " ind2=" "><subfield code="a">Issued also in print.</subfield></datafield><datafield tag="538" ind1=" " ind2=" "><subfield code="a">Mode of access: Internet via World Wide Web.</subfield></datafield><datafield tag="546" ind1=" " ind2=" "><subfield code="a">In German.</subfield></datafield><datafield tag="588" ind1="0" ind2=" "><subfield code="a">Description based on online resource; title from PDF title page (publisher's Web site, viewed 02. Mai 2023)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Deep Learning.</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Künstliche Intelligenz.</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Maschinelles Lernen.</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Neuronale Netze.</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Machine learning.</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">artificial intelligence.</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">deep learning.</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">neuronal networks.</subfield></datafield><datafield tag="773" ind1="0" ind2="8"><subfield code="i">Title is part of eBook package:</subfield><subfield code="d">De Gruyter</subfield><subfield code="t">DG OWV ebook Paket Lehrbücher Technik und Informatik 2022</subfield><subfield code="z">9783110994667</subfield><subfield code="o">ZDB-23-OTI</subfield></datafield><datafield tag="773" ind1="0" ind2="8"><subfield code="i">Title is part of eBook package:</subfield><subfield code="d">De Gruyter</subfield><subfield code="t">DG Plus DeG Package 2022 Part 1</subfield><subfield code="z">9783110766820</subfield></datafield><datafield tag="773" ind1="0" ind2="8"><subfield code="i">Title is part of eBook package:</subfield><subfield code="d">De Gruyter</subfield><subfield code="t">EBOOK PACKAGE COMPLETE 2022</subfield><subfield code="z">9783110994810</subfield><subfield code="o">ZDB-23-DGG</subfield></datafield><datafield tag="773" ind1="0" ind2="8"><subfield code="i">Title is part of eBook package:</subfield><subfield code="d">De Gruyter</subfield><subfield code="t">EBOOK PACKAGE Engineering, Computer Sciences 2022</subfield><subfield code="z">9783110994193</subfield><subfield code="o">ZDB-23-DEI</subfield></datafield><datafield tag="776" ind1="0" ind2=" "><subfield code="c">EPUB</subfield><subfield code="z">9783110740271</subfield></datafield><datafield tag="776" ind1="0" ind2=" "><subfield code="c">print</subfield><subfield code="z">9783110740141</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="u">https://doi.org/10.1515/9783110740196</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="u">https://www.degruyter.com/isbn/9783110740196</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="3">Cover</subfield><subfield code="u">https://www.degruyter.com/document/cover/isbn/9783110740196/original</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">978-3-11-076682-0 DG Plus DeG Package 2022 Part 1</subfield><subfield code="b">2022</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">EBA_CL_CHCOMSGSEN</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">EBA_DGALL</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">EBA_EBKALL</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">EBA_STMALL</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV-deGruyter-alles</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">PDA12STME</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">PDA5EBK</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-23-DEI</subfield><subfield code="b">2022</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-23-DGG</subfield><subfield code="b">2022</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-23-OTI</subfield><subfield code="b">2022</subfield></datafield></record></collection> |