Produktnummer:
186b348e579a5f41d18f2135d04dab76cf
| Themengebiete: | Data Science Datenstrom Echtzeit Hyperparameter Tuning Internet of Things IoT Machine Learning Online Machine Learning Python |
|---|---|
| Veröffentlichungsdatum: | 25.09.2024 |
| EAN: | 9783658461614 |
| Auflage: | 2 |
| Sprache: | Deutsch |
| Seitenzahl: | 167 |
| Produktart: | Kartoniert / Broschiert |
| Herausgeber: | Bartz, Eva Bartz-Beielstein, Thomas |
| Verlag: | Springer Fachmedien Wiesbaden GmbH |
| Untertitel: | Eine praxisorientierte Einführung |
Produktinformationen "Online Machine Learning"
Dieses Buch beschreibt Theorie und Anwendungen aus dem Bereich des Online Maschine Learnings (OML), wobei der Fokus auf Verfahren des überwachten Lernens liegt. Es werden Verfahren zur Drifterkennung und -behandlung beschrieben. Verfahren zur nachträglichen Aktualisierung der Modelle sowie Methoden zur Modellbewertung werden dargestellt. Besondere Anforderungen aus der amtlichen Statistik (unbalancierte Daten, Interpretierbarkeit, etc.) werden berücksichtigt. Aktuelle und mögliche Anwendungen werden aufgelistet. Ein Überblick über die verfügbaren Software-Tools wird gegeben. Anhand von zwei Studien (“simulierten Anwendungen”) werden Vor- und Nachteile des OML-Einsatz in der Praxis experimentell analysiert. Das Buch eignet sich als Handbuch für Experten, Lehrbuch für Anfänger und wissenschaftliche Publikation, da es den neuesten Stand der Forschung wiedergibt. Es kann auch als OML-Consulting dienen, indem Entscheider und Praktiker OML anpassen und für ihre Anwendung einsetzen, um abzuwägen, ob die Vorteile die Kosten aufwiegen.
Sie möchten lieber vor Ort einkaufen?
Sie haben Fragen zu diesem oder anderen Produkten oder möchten einfach gerne analog im Laden stöbern? Wir sind gerne für Sie da und beraten Sie auch telefonisch.
Juristische Fachbuchhandlung
Georg Blendl
Parcellistraße 5 (Maxburg)
8033 München
Montag - Freitag: 8:15 -18 Uhr
Samstags geschlossen