Wie du dieses Buch lesen kannst
Arten von Machine Learning
Unser erstes Python-Notebook
Unser Beispiel: Irisblüten
Wir bringen dem Computer bei, Irisblüten zu unterscheiden
Nearest Neighbors Classification
Eine bessere Feature-Auswahl
Kapitel 3: Datenimport und -vorbereitung
Kapitel 4: Supervised Learning
Decision-Tree-Klassifikator
Random-Forest-Klassifikator
Kapitel 5: Feature-Auswahl
Principal-Component-Analyse
Kapitel 6: Modellvalidierung
Metrik für Klassifikation
Kapitel 7: Neuronale Netze und Deep Learning
Iris mit neuronalen Netzen
Anwendungsbeispiel: Erkennung von Verkehrsschildern
Neuere Ansätze im Bereich CNN
Kapitel 8: Unsupervised Learning mit Autoencodern
Das Szenario: Visuelle Regressionstests mit Autoencodern
eingeschlichene Fehler erkennen
Die Idee von Autoencodern
Aufbau unseres Autoencoders
Was passiert im Autoencoder?
Kapitel 9: Deep Reinforcement Learning
Grundkonzepte und Terminologie
Ein Beispiel: der hungrige Bär
Optimierung als Herausforderung
Technische Modellierung als OpenAI Environment
Training als Supervised-Deep-Learning- Problemstellung formulieren
Actor-Critic über das Value Network
Sample-Effizienz und katastrophale Updates
Exploration vs. Exploitation