商品詳細

Dieses innovative Lehrbuch revolutioniert das maschinelle Lernen durch neue Informationsmessungsmethoden. Es basiert auf einem Seminar der UC Berkeley und zielt darauf ab, die Black-Box-Natur des maschinellen Lernens zu ueberwinden, indem es Datenqualitaetsmessungen und A-priori-Schaetzungen der Aufgabenkomplexitaet ermoeglicht. Dies fuehrt zu kleineren, erklaerbareren und robusteren Modellen.

Das Lehrbuch verbindet maschinelles Lernen mit Physik, Informationstheorie und Computertechnik und ist fuer ein breites Publikum verstaendlich. Es hinterfragt bestehende Branchenpraktiken und behandelt Themen wie Deep Learning und Datendrift. Geeignet fuer Akademiker und Industrieprofis, foerdert es ein tiefgreifendes Verstaendnis von Data Science und laedt Leser ein, ueber konventionelle Ansaetze hinauszudenken. Anstatt sich ausschliesslich auf das "Wie" zu konzentrieren, bietet dieser Text Antworten auf die "Warum"-Fragen, die das Fachgebiet durchdringen, und beleuchtet die zugrunde liegenden Prinzipien maschineller Lernprozesse und ihre praktischen Auswirkungen. Indem dieses Buch systematische Methoden bevorzugt, die auf physikalischen Grundprinzipien basieren, stellt es Branchenpraktiken in Frage, die oft aus ideologischen oder gewinnorientierten Motivationen entstanden sind. Es behandelt eine Reihe von Themen, darunter Deep Learning, Datendrift und MLOps, und nutzt ausgiebig grundlegende Konzepte wie Entropie, Kapazitaet und hohe Dimensionalitaet.

Dieses Buch ist sowohl fuer Hochschul- als auch fuer Industrieprofis geeignet und dient als wertvolles Werkzeug fuer diejenigen, die ihr Verstaendnis von Data Science als Ingenieurdisziplin vertiefen moechten. Der zum Nachdenken anregende Inhalt regt die intellektuelle Neugier an und richtet sich an Leser, die mehr wollen als nur Code oder vorgefertigte Formeln. Der Text laedt die Leser dazu ein, ueber konventionelle Standpunkte hinauszuforschen und bietet eine alternative Perspektive, die eine umfassende Sichtweise fuer die Integration von Theorie und Praxis foerdert. Dieses Buch eignet sich fuer Kurse im Grund- und Hauptstudium und kann auch praktizierenden Ingenieuren und Wissenschaftlern verschiedener Disziplinen zugute kommen, indem es ihr Verstaendnis der Modellierung vertieft und die Datenmessung effektiv verbessert.