Maschinelles Lernen für die Ingenieurwissenschaften
Einführung in physikalisch informierte, erklärbare Lernverfahren für KI in technischen Anwendungen
Maschinelles Lernen und künstliche Intelligenz sind omnipräsente Begriffe zur Verbesserung von technischen Prozessen. Die praktische Umsetzung an realen Problemen gestaltet sich aber oft schwierig und komplex.
Dieses Lehrbuch erklärt Lernverfahren...
Dieses Lehrbuch erklärt Lernverfahren...
Erscheint am 23.06.2024
versandkostenfrei
Buch (Kartoniert)
39.06 €
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenlose Rücksendung
Produktdetails
Produktinformationen zu „Maschinelles Lernen für die Ingenieurwissenschaften “
Klappentext zu „Maschinelles Lernen für die Ingenieurwissenschaften “
Maschinelles Lernen und künstliche Intelligenz sind omnipräsente Begriffe zur Verbesserung von technischen Prozessen. Die praktische Umsetzung an realen Problemen gestaltet sich aber oft schwierig und komplex. Dieses Lehrbuch erklärt Lernverfahren anhand von analytischen Konzepten im Zusammenspiel mit vollständigen Programmierbeispielen in Python und bezieht sich auf dabei stets auf reale technische Anwendungsszenarien. Es zeigt den Einsatz physikalisch-informierter Lernstrategien, die Einbeziehung von Unsicherheit in die Modellierung und den Aufbau von erklärbarer, vertrauenswürdiger künstlicher Intelligenz mit Hilfe spezialisierter Datenbanken.
Dieses Lehrbuch richtet sich somit sowohl an Studierende der Ingenieurswissenschaften, Naturwissenschaft, Medizin und Betriebswirtschaft als auch an Anwender aus der Industrie (vor allem Data Scientists), Entwickler*innen von Expertendatenbanken und Softwareentwickler*innen.
Inhaltsverzeichnis zu „Maschinelles Lernen für die Ingenieurwissenschaften “
1Einführung in die Arbeit mit Daten.- 2. Daten als Stochastischer Prozess.- 3.Explorative Analyse (Säubern von Daten, Histogramme, Hauptkomponentenanalyse, Mathematische Transformationen).- 4.Grundlagen überwachter und unüberwachter Lernverfahren.- 5.Physikalisch-Informierte Lernverfahren (Optimierungsmethoden der Datenvorverarbeitung, Integration von transformativ-angereicherten Daten, Integration von mathematischen Modellen).- 6.Stochastische Lernverfahren (Mixture-Density Netze, Kredale Netze).- 7.Semantische Datenbanken.- 8.Erklärbare, vertrauenswürdige künstliche Intelligenz.Autoren-Porträt von Marcus J Neuer
Dr. Marcus J. Neuer hat in diversen Forschungs- und Industrieprojekten Maschinelles Lernen und erklärbare künstliche Intelligenz für nutzbare, gewinnbringende Anwendungen entwickelt. Er leitet die Forschungs- und Entwicklungsabteilung der innoRIID GmbH und lehrt an der RWTH Aachen sowie der Fachhochschule der Wirtschaft, FHDW. Seine Algorithmen werden heute in verschiedenen Produkten, u.a. in den Bereichen der nuklearen Sicherheit und der Prozessindustrie, erfolgreich eingesetzt.Bibliographische Angaben
- Autor: Marcus J Neuer
- 2024, 1. Aufl. 2024, XIII, 263 Seiten, 15 farbige Abbildungen, Maße: 15,5 x 23,5 cm, Kartoniert (TB), Deutsch
- Verlag: Springer, Berlin
- ISBN-10: 366268215X
- ISBN-13: 9783662682159
- Erscheinungsdatum: 23.06.2024
Kommentar zu "Maschinelles Lernen für die Ingenieurwissenschaften"
Schreiben Sie einen Kommentar zu "Maschinelles Lernen für die Ingenieurwissenschaften".
Kommentar verfassen