Entdecken Sie Muster in Daten die für den Menschen nicht erkennbar sind Unsupervised Learning
könnte der Schlüssel zu einer umfassenderen künstlichen Intelligenz sein Voller praktischer
Techniken für die Arbeit mit ungelabelten Daten verständlich geschrieben und mit
unkomplizierten Python-Beispielen Verwendet Scikit-learn TensorFlow und Keras Ein Großteil der
weltweit verfügbaren Daten ist ungelabelt. Auf diese nicht klassifizierten Daten lassen sich
die Techniken des Supervised Learning die im Machine Learning viel genutzt werden nicht
anwenden. Dagegen kann das Unsupervised Learning - auch unüberwachtes Lernen genannt - für
ungelabelte Datensätze eingesetzt werden um aussagekräftige Muster zu entdecken die tief in
den Daten verborgen sind. Muster die für den Menschen fast unmöglich zu entdecken sind. Wie
Data Scientists Unsupervised Learning für ihre Daten nutzen können zeigt Ankur Patel in diesem
Buch anhand konkreter Beispiele die sich schnell und effektiv umsetzen lassen. Sie erfahren
wie Sie schwer zu findende Muster in Daten herausarbeiten und dadurch z.B. tiefere Einblicke in
Geschäftsprozesse gewinnen. Sie lernen auch wie Sie Anomalien erkennen automatisches Feature
Engineering durchführen oder synthetische Datensätze generieren. Aus dem Inhalt Vergleichen Sie
die Stärken und Schwächen der verschiedenen Ansätze des Machine Learning: Supervised
Unsupervised und Reinforcement Learning Richten Sie ein Machine-Learning-Projekt ein und
verwalten Sie es Bauen Sie ein System für die Anomalieerkennung auf um Kreditkartenbetrug zu
erfassen Nutzen Sie Clustering-Algorithmen um Benutzer in unterschiedliche und homogene
Gruppen zusammenzufassen Führen Sie Semi-supervised Learning durch Entwickeln Sie
Filmempfehlungssysteme mit eingeschränkten Boltzmann-Maschinen Generieren Sie synthetische
Bilder mit Generative Adversarial Networks (GANs)
