Noch Fragen? 0800 / 33 82 637

Online Machine Learning

Eine praxisorientiere Einführung

Produktform: E-Buch Text Elektronisches Buch in proprietärem

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.  Notes for the information text:1. Erster systematischer Vergleich von OML und BML hinsichtlich Performanz, Zeit- und Speicherbedarf2. Gute Einführung, umfassend, mit Softwarepaketen3. Erfahrungen aus der Praxis (Top-Experten)4. OML als Green-IT Vorgehen (Ressourcenschonung),Tiny-ML, sehr geringer Zeit-, Speicherbedarf im Vergleich zu BML (DeepLearning)5. Erläuterung, wie OML angepasst werden kann (Hyperparameter-Tuning)6. Zeigt, was mit OML möglich ist und erlaubt Einschätzung, ob Einsatz sinnvoll istweiterlesen

Elektronisches Format: PDF

Sprache(n): Deutsch

ISBN: 978-3-658-42505-0 / 978-3658425050 / 9783658425050

Verlag: Springer Fachmedien Wiesbaden GmbH

Erscheinungsdatum: 22.07.2024

Seiten: 154

Herausgegeben von Thomas Bartz-Beielstein, Eva Bartz

24,99 € inkl. MwSt.
Fixed Retail Price
kostenloser Versand

sofort lieferbar - Lieferzeit 1-3 Werktage

zurück