From Curve Fitting to Machine Learning

An Illustrative Guide to Scientific Data Analysis and Computational Intelligence

Author: Achim Zielesny

Publisher: Springer

ISBN: 3319325450

Category: Computers

Page: 498

View: 6407

This successful book provides in its second edition an interactive and illustrative guide from two-dimensional curve fitting to multidimensional clustering and machine learning with neural networks or support vector machines. Along the way topics like mathematical optimization or evolutionary algorithms are touched. All concepts and ideas are outlined in a clear cut manner with graphically depicted plausibility arguments and a little elementary mathematics.The major topics are extensively outlined with exploratory examples and applications. The primary goal is to be as illustrative as possible without hiding problems and pitfalls but to address them. The character of an illustrative cookbook is complemented with specific sections that address more fundamental questions like the relation between machine learning and human intelligence.All topics are completely demonstrated with the computing platform Mathematica and the Computational Intelligence Packages (CIP), a high-level function library developed with Mathematica's programming language on top of Mathematica's algorithms. CIP is open-source and the detailed code used throughout the book is freely accessible.The target readerships are students of (computer) science and engineering as well as scientific practitioners in industry and academia who deserve an illustrative introduction. Readers with programming skills may easily port or customize the provided code. "'From curve fitting to machine learning' is ... a useful book. ... It contains the basic formulas of curve fitting and related subjects and throws in, what is missing in so many books, the code to reproduce the results.All in all this is an interesting and useful book both for novice as well as expert readers. For the novice it is a good introductory book and the expert will appreciate the many examples and working code". Leslie A. Piegl (Review of the first edition, 2012).

Data mining

praktische Werkzeuge und Techniken für das maschinelle Lernen

Author: Ian H. Witten,Eibe Frank

Publisher: N.A

ISBN: 9783446215337

Category:

Page: 386

View: 3754

Die Wissenschaften vom Künstlichen

Author: Herbert A. Simon

Publisher: Springer

ISBN: 9783709193839

Category: Computers

Page: 241

View: 2894

Die Wissenschaften vom Künstlichen von Herbert A. Simon gilt seit dem Erscheinen der ersten Ausgabe im Jahr 1969 als "Klassiker" der Literatur zum Thema Künstliche Intelligenz. Simon hat zusammen mit den Computerwissenschaftlern Allen Newell, Marvin Minsky und John McCarthy Mitte der fünfziger Jahre das so bezeichnete - von Alan Turing antizipierte - Forschungsgebiet der Computerwissenschaft und der Psychologie ins Leben gerufen. Seine herausragende, allgemeinverständliche Darstellung von Grundüberlegungen und philosophischen Aspekten der Künstlichen Intelligenz ist heute aktueller denn je, nicht nur wegen der ständig zunehmenden Bedeutung der Forschung und Entwicklung auf diesem Gebiet, sondern auch aufgrund des verbreiteten Mangels an Grundkenntnissen für eine kritische Auseinandersetzung mit der Künstlichen Intelligenz.

Big Data

Die Revolution, die unser Leben verändern wird

Author: Viktor Mayer-Schönberger,Viktor; Cukier Mayer-Schönberger

Publisher: Redline Wirtschaft

ISBN: 3864144590

Category: Political Science

Page: 288

View: 4487

Ob Kaufverhalten, Grippewellen oder welche Farbe am ehesten verrät, ob ein Gebrauchtwagen in einem guten Zustand ist – noch nie gab es eine solche Menge an Daten und noch nie bot sich die Chance, durch Recherche und Kombination in der Daten¬flut blitzschnell Zusammenhänge zu entschlüsseln. Big Data bedeutet nichts weniger als eine Revolution für Gesellschaft, Wirtschaft und Politik. Es wird die Weise, wie wir über Gesundheit, Erziehung, Innovation und vieles mehr denken, völlig umkrempeln. Und Vorhersagen möglich machen, die bisher undenkbar waren. Die Experten Viktor Mayer-Schönberger und Kenneth Cukier beschreiben in ihrem Buch, was Big Data ist, welche Möglichkeiten sich eröffnen, vor welchen Umwälzungen wir alle stehen – und verschweigen auch die dunkle Seite wie das Ausspähen von persönlichen Daten und den drohenden Verlust der Privatsphäre nicht.

Maschinelles Lernen

Author: Ethem Alpaydin

Publisher: De Gruyter Oldenbourg

ISBN: 9783486581140

Category: Machine learning

Page: 440

View: 9700

Maschinelles Lernen heißt, Computer so zu programmieren, dass ein bestimmtes Leistungskriterium anhand von Beispieldaten und Erfahrungswerten aus der Vergangenheit optimiert wird. Das vorliegende Buch diskutiert diverse Methoden, die ihre Grundlagen in verschiedenen Themenfeldern haben: Statistik, Mustererkennung, neuronale Netze, Künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. In der Vergangenheit verfolgten Forscher verschiedene Wege mit unterschiedlichen Schwerpunkten. Das Anliegen dieses Buches ist es, all diese unterschiedlichen Ansätze zu kombinieren, um eine allumfassende Behandlung der Probleme und ihrer vorgeschlagenen Lösungen zu geben.

Einführung in Data Science

Grundprinzipien der Datenanalyse mit Python

Author: Joel Grus

Publisher: O'Reilly

ISBN: 3960100256

Category: Computers

Page: 352

View: 2220

Dieses Buch führt Sie in Data Science ein, indem es grundlegende Prinzipien der Datenanalyse erläutert und Ihnen geeignete Techniken und Werkzeuge vorstellt. Sie lernen nicht nur, wie Sie Bibliotheken, Frameworks, Module und Toolkits konkret einsetzen, sondern implementieren sie auch selbst. Dadurch entwickeln Sie ein tieferes Verständnis für die Zusammenhänge und erfahren, wie essenzielle Tools und Algorithmen der Datenanalyse im Kern funktionieren. Falls Sie Programmierkenntnisse und eine gewisse Sympathie für Mathematik mitbringen, unterstützt Joel Grus Sie dabei, mit den mathematischen und statistischen Grundlagen der Data Science vertraut zu werden und sich Programmierfähigkeiten anzueignen, die Sie für die Praxis benötigen. Dabei verwendet er Python: Die weitverbreitete Sprache ist leicht zu erlernen und bringt zahlreiche Bibliotheken für Data Science mit. Aus dem Inhalt: - Absolvieren Sie einen Crashkurs in Python - Lernen Sie die Grundlagen von linearer Algebra, Statistik und Wahrscheinlichkeitsrechnung kennen und erfahren Sie, wie diese in Data Science eingesetzt werden - Sammeln, untersuchen, bereinigen, bearbeiten und manipulieren Sie Daten - Tauchen Sie in die Welt des maschinellen Lernens ein - Implementieren Sie Modelle wie k-nearest Neighbors, Naive Bayes, lineare und logistische Regression, Entscheidungsbäume, neuronale Netzwerke und Clustering - Entdecken Sie Empfehlungssysteme, Sprachverarbeitung, Netzwerkanalyse, MapReduce und Datenbanken

2001 - Odyssee im Weltraum

Roman

Author: Arthur C. Clarke

Publisher: Heyne Verlag

ISBN: 3641116805

Category: Fiction

Page: N.A

View: 1596

Eine Reise in die Unendlichkeit Zu Beginn des 21. Jahrhunderts entdecken irdische Raumfahrer, die auf dem Mond eine Basis errichten, in einem Krater ein uraltes Artefakt: Einen schwarzen Monolithen, der Signale ins All sendet. Eine Forschungsexpedition an Bord des Raumschiffes Discovery, dessen Funktionen komplett von HAL 9000, einem Supercomputer, gesteuert wird, macht sich auf den Weg, um das Rätsel zu lösen. Doch während des langes Fluges kommt es zu einem offenen Kampf zwischen HAL und der menschlichen Besatzung - und auf den Sieger wartet das Tor zur Unendlichkeit.

Data Science mit Python

Das Handbuch für den Einsatz von IPython, Jupyter, NumPy, Pandas, Matplotlib und Scikit-Learn

Author: Jake VanderPlas

Publisher: MITP-Verlags GmbH & Co. KG

ISBN: 3958456979

Category: Computers

Page: 552

View: 1810

Die wichtigsten Tools für die Datenanalyse und-bearbeitung im praktischen Einsatz Python effizient für datenintensive Berechnungen einsetzen mit IPython und Jupyter Laden, Speichern und Bearbeiten von Daten und numerischen Arrays mit NumPy und Pandas Visualisierung von Daten mit Matplotlib Python ist für viele die erste Wahl für Data Science, weil eine Vielzahl von Ressourcen und Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar ist. In diesem Buch erläutert der Autor den Einsatz der wichtigsten Tools. Für Datenanalytiker und Wissenschaftler ist dieses umfassende Handbuch von unschätzbarem Wert für jede Art von Berechnung mit Python sowie bei der Erledigung alltäglicher Aufgaben. Dazu gehören das Bearbeiten, Umwandeln und Bereinigen von Daten, die Visualisierung verschiedener Datentypen und die Nutzung von Daten zum Erstellen von Statistiken oder Machine-Learning-Modellen. Dieses Handbuch erläutert die Verwendung der folgenden Tools: ● IPython und Jupyter für datenintensive Berechnungen ● NumPy und Pandas zum effizienten Speichern und Bearbeiten von Daten und Datenarrays in Python ● Matplotlib für vielfältige Möglichkeiten der Visualisierung von Daten ● Scikit-Learn zur effizienten und sauberen Implementierung der wichtigsten und am meisten verbreiteten Algorithmen des Machine Learnings Der Autor zeigt Ihnen, wie Sie die zum Betreiben von Data Science verfügbaren Pakete nutzen, um Daten effektiv zu speichern, zu handhaben und Einblick in diese Daten zu gewinnen. Grundlegende Kenntnisse in Python werden dabei vorausgesetzt. Leserstimme zum Buch: »Wenn Sie Data Science mit Python betreiben möchten, ist dieses Buch ein hervorragender Ausgangspunkt. Ich habe es sehr erfolgreich beim Unterrichten von Informatik- und Statistikstudenten eingesetzt. Jake geht weit über die Grundlagen der Open-Source-Tools hinaus und erläutert die grundlegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.« – Brian Granger, Physikprofessor, California Polytechnic State University, Mitbegründer des Jupyter-Projekts

Computational Social Network Analysis

Trends, Tools and Research Advances

Author: Kai Subel,Michel Schultz

Publisher: GRIN Verlag

ISBN: 3640733061

Category: Computers

Page: 21

View: 5071

Studienarbeit aus dem Jahr 2010 im Fachbereich Informatik - Internet, neue Technologien, Universität Hamburg, Sprache: Deutsch, Abstract: Diese Ausarbeitung befasst sich mit dem Thema Computational Soical Network Analysis. Ziel ist es, dem Leser einen Einblick in diese Thematik zu verschaffen. Dabei werden Hintergründe, anwendbare Methoden und Tools vorgestellt, die hierbei Verwendung finden. Zunächst wird dabei näher auf den Hintergrund, also warum dieses Gebiet als Forschungsgegenstand so interessant ist, eingegangen. Anschließend werden verschiedene Aspekte, die man im Rahmen der Analyse sozialer Netzwerke untersuchen kann benannt. In diesem Zusammenhang werden auch zwei verschiedene Kategorien zur formalen Analyse benannt. Zur Verdeutlichung wird die Verwendung dieser am Ende des Kapitels auch noch einmal anhand eines Praxisbeispiels gezeigt. Das nächste Kapitel befasst sich mit der Fragstellung, wie Schlüsselfiguren in Netzwerken ermittelt werden können und was für Rollen diese spielen. Dabei werden auch die verschiedenen Arten von Schlüsselfiguren benannt. Eine weitere zentrale Rolle in der Analyse sozialer Netzwerke nehmen Gruppen ein. Die Bedeutung von Gruppen und wie man sie ermitteln kann wird im nächsten Kapitel erläutert. Aufbauend auf den Gruppen sollen Interaktionen innerhalb von Netzwerken untersucht werden. Hierfür werden zunächst die nötigen Werkzeuge, wie die SCAN oder DISSECT Methode vorgestellt und anschließend die Einsatzgebiete anhand von Beispielen verdeutlicht. Im 7. Kapitel wird eine eLearning Plattform näher betrachtet. Hierbei werden zunächst die Eigenschaften und Besonderheiten von eLearning Plattformen beschrieben und anschießend anhand eines Praxisbeispiels verschiedene Methoden zur Analyse sozialer Netzwerke angewendet.

Datenanalyse mit Python

Auswertung von Daten mit Pandas, NumPy und IPython

Author: Wes McKinney

Publisher: O'Reilly

ISBN: 3960102143

Category: Computers

Page: 542

View: 4506

Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.6, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy, IPython und Jupyter kennen.Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und zugehöriges Material des Buchs sind auf GitHub verfügbar.Aus dem Inhalt:Nutzen Sie die IPython-Shell und Jupyter Notebook für das explorative ComputingLernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennenSetzen Sie die Datenanalyse-Tools der pandasBibliothek einVerwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von DatenErstellen Sie interformative Visualisierungen mit matplotlibWenden Sie die GroupBy-Mechanismen von pandas an, um Datensätzen zurechtzuschneiden, umzugestalten und zusammenzufassenAnalysieren und manipulieren Sie verschiedenste Zeitreihen-DatenFür diese aktualisierte 2. Auflage wurde der gesamte Code an Python 3.6 und die neuesten Versionen der pandas-Bibliothek angepasst. Neu in dieser Auflage: Informationen zu fortgeschrittenen pandas-Tools sowie eine kurze Einführung in statsmodels und scikit-learn.

Crashkurs Mathematik

für Informatiker

Author: Stasys Jukna

Publisher: Springer-Verlag

ISBN: 3835192140

Category: Computers

Page: 316

View: 7988

Studierende, die ein Informatikstudium aufnehmen, brauchen zu Beginn vor allem eines: mathematische Grundkenntnisse. Dieser Crashkurs soll Studierenden im ersten Semester helfen, möglichst rechtzeitig diese Fähigkeiten zu erwerben. Durch viele motivierende Beispiele, erklärende Bilder und konkrete Darstellungen weckt das Buch Freude an der Mathematik und sichert den erfolgreichen Einstieg.

Grundlagen zur Neuroinformatik und Neurobiologie

The Computational Brain in deutscher Sprache

Author: Patricia S. Churchland,Terrence J. Sejnowski

Publisher: Springer-Verlag

ISBN: 3322868214

Category: Technology & Engineering

Page: 702

View: 9165

The Computational Brain, das außergewöhnliche Buch über vergleichende Forschung in den Bereichen von menschlichem Gehirn und neuesten Möglichkeiten der Computertechnologie, liegt hiermit erstmals in deutscher Sprache vor. Geschrieben von einem führenden Forscherteam in den USA, ist es eine Fundgrube für alle, die wissen wollen, was der Stand der Wissenschaft auf diesem Gebiet ist. Die Autoren führen die Bereiche der Neuroinformatik und Neurobiologie mit gut ausgesuchten Beispielen und der gebotenen Hintergrundinformation gekonnt zusammen. Das Buch wird somit nicht nur dem Fachwissenschaftler sondern auch dem interdisziplinären Interesse des Informatikers und des Biologen auf eine hervorragende Weise gerecht. Übersetzt wurde das Buch von Prof. Dr. Steffen Hölldobler und Dipl.-Biol. Claudia Hölldobler, einem Informatiker und einer Biologin. Rezension in Spektrum der Wissenschaft nr. 10, S. 122 f. im Oktober 1997 (...) Die 1992 erschienene amerikanische Originalausgabe des vorliegenden Werkes ist so erfolgreich, daß man bereits von einem Klassiker reden kann. (...) (...) ....ist das Buch sehr zu empfehlen. In Verbindung von Neurobiologie und Neuroinformatik konkurrenzlos, vermittelt es einiges von der Faszination theoretischer Hirnforschung, die auch in Deutschland zunehmend mehr Wissenschaftler in ihren Bann schlägt. Rezension erschienen in: Computer Spektrum 3/1997, S. 2 (...)Das Buch wird somit nicht nur dem Fachwissenschaftler, sondern auch den interdisziplinären Interesse des Informatikers und des Biologen auf eine hervorragende Weise gerecht(...)

Mathematik für Informatiker

Ein praxisbezogenes Lehrbuch

Author: Peter Hartmann

Publisher: Springer-Verlag

ISBN: 3834820024

Category: Computers

Page: 520

View: 7921

Dieses Buch enthält den Mathematik-Stoff, der für das Informatik-Studium an Fachhochschulen benötigt wird. Die Stoffauswahl und Ausführlichkeit der Darstellung sind auf die Informatik ausgerichtet und der praxisorientierten Ausbildung an Fachhochschulen angepasst. Das heißt: Sie finden immer wieder konkrete Anwendungen aus der Informatik, so erkennen Sie die Nützlichkeit der Mathematik für Ihr Fachgebiet. Das Buch zeigt durch die ausführliche Motivation der Ergebnisse, durch viele Beispiele, durch das ständige Aufzeigen von Querbezügen zwischen Mathematik und Informatik und auch durch gelegentliche Ausblicke in die Welt der "richtigen" Mathematik, dass Mathematik nicht nur nützlich ist, sondern interessant sein kann und sogar Spaß macht.

Digitale Bildverarbeitung

Eine Einführung mit Java und ImageJ

Author: Wilhelm Burger,Mark James Burge

Publisher: Springer-Verlag

ISBN: 354027653X

Category: Computers

Page: 532

View: 4733

Die Autoren geben eine fundierte Einführung in die wichtigsten Methoden der digitalen Bildverarbeitung. Dabei steht die praktische Anwendbarkeit im Vordergrund, formale und mathematische Aspekte sind auf das Wesentliche reduziert, ohne dabei auf eine präzise und konsistente Vorgehensweise zu verzichten. Der Text eignet sich für technisch orientierte Studiengänge ab dem 3.Semester und basiert auf der mehrjährigen Lehrerfahrung der Autoren zu diesem Thema. Der Einsatz in der Lehre wird durch zahlreiche praktische Übungsaufgaben unterstützt. Das Buch eignet sich auch als detaillierte Referenz für Praktiker und Anwender gängiger Verfahren der digitalen Bildverarbeitung, z.B. in der Medizin, der Materialprüfung, der Robotik oder der Medientechnik. Softwareseitig basiert das Buch auf der in Java implementierten und frei verfügbaren Bildverarbeitungsumgebung ImageJ.

Applied Marketing

Anwendungsorientierte Marketingwissenschaft der deutschen Fachhochschulen

Author: Uwe Kamenz

Publisher: Springer-Verlag

ISBN: 3642189814

Category: Business & Economics

Page: 1081

View: 4856

Logische Grundlagen der Künstlichen Intelligenz

Author: Nils J. Nilsson

Publisher: Springer-Verlag

ISBN: 3322928810

Category: Technology & Engineering

Page: 576

View: 3379

Das Buch ist die deutsche Übersetzung des Standardwerkes der Stanforder Professoren Michael R. Genesereth und Nils J. Nilsson.Im Unterschied zu deutschen Lehrbüchern der Informatik zeichnet sich das Buch dadurch aus, daß es einen gut lesbaren Überblick gibt, ohne allzu formalistisch zu werden, gleichwohl aber von hohem Niveau ist und die Ergebnisse jüngster Forschung berücksichtigt. Das Buch empfiehlt sich sowohl für Studenten und Dozenten der Inf ormatik, aber auch für Forscher aus anderen Gebieten, die von den Grundlagen der Künstlichen Intelligenz profitieren möchten.