40 Algorithmen für Data Science und KI
ca. € 39,90
Vorbestellbar
Lieferbar ab 05.11.2026
ca. € 39,90
Vorbestellbar
Verfügbar ab 05.11.2026
ca. € 44,90
Vorbestellbar
Verfügbar ab 05.11.2026
Rheinwerk Computing, ISBN 978-3-367-11635-5
E-Book-Formate: PDF, EPUB, Online
Rheinwerk Computing, ISBN 978-3-367-11636-2
E-Book-Formate: PDF, EPUB, Online
Rheinwerk Computing, ISBN 978-3-367-11639-3
E-Book-Formate: PDF, EPUB, Online
Rheinwerk Computing, ISBN 978-3-367-11640-9
Alles, was Entwicklerinnen und Entwickler über KI wissen müssen – kompakt in einem Band. Matthieu Deru und Alassane Ndiaye stellen Ihnen 40 essenzielle KI-Verfahren in übersichtlichen Steckbriefen vor: von klassischen Machine-Learning-Algorithmen bis zu neuronalen Netzen, Deep Learning und generativer KI. Zu jedem Verfahren erfahren Sie, wann Sie es einsetzen, wo seine Stärken und Grenzen liegen und wie Sie es praktisch umsetzen. Die Codebeispiele nutzen Python und JavaScript, als Frameworks kommen Scikit-Learn, Keras, TensorFlow, PyTorch und JAX zum Einsatz. Der strukturierte Aufbau und die Tipps zur weiterführenden Literatur machen das Buch zum perfekten Begleiter und ideal zum Immer-wieder-Nachschlagen – für Studium und Beruf.
- KI-Verfahren, die jeder kennen sollte, kompakt dargestellt
- Anwendungsfälle, Praxistipps, Stärken und Grenzen
- Implementierungen mit Keras, TensorFlow, PyTorch und mehr
Wie Sie hier lernen:
-
Einen guten Überblick gewinnen
Die Autoren stellen Ihnen eine kuratierte Auswahl wichtiger KI-Verfahren vor – von klassischem Machine Learning bis zu modernen neuronalen Netzen, Deep Learning und generativer KI. Jedes Verfahren wird in einem einheitlich aufgebauten Steckbrief beschrieben, sodass Sie schnell vergleichen und das passende Werkzeug für Ihren Anwendungsfall auswählen können.
-
Mit Code und Frameworks arbeiten
Zu jedem Verfahren erhalten Sie ein praktisches Einsatzbeispiel und lauffähigen Code. Die Beispiele nutzen Python oder JavaScript sowie die wichtigsten Frameworks der KI-Welt: Keras, TensorFlow, PyTorch und JAX. So lernen Sie nicht nur die Theorie, sondern setzen die Verfahren auch direkt um.
-
Fundiert entscheiden: Wann setze ich was ein?
Für jedes Verfahren erfahren Sie, wo seine Stärken und Grenzen liegen, in welchen Anwendungsfällen es sich bewährt und worin es sich von verwandten Ansätzen unterscheidet. Praxistipps und klare Auswahlkriterien helfen Ihnen, in eigenen Projekten die richtigen Entscheidungen zu treffen.
Aus dem Inhalt
- Grundlagen der symbolischen und subsymbolischen KI
- Daten verstehen, bereinigen und analysieren
- Regression
- Klassifikation
- Ensemble Learning
- Grundlagen neuronaler Netze
- Reinforcement Learning
- Klassifikations- und Regressionsverfahren
- Large Language Models
- Bild- und Spracherkennung
- Implementierung mit Keras, TensorFlow, PyTorch und JAX
