Denkt man darüber nach, dass Machine Learning mit gewaltigen Datenmengen arbeitet, so stellt man sich Computer mit gigantischer Rechenkraft vor, die sich durch die Daten wühlen, um in angemessener Zeit zu einem Ergebnis zu kommen. Gigantische Rechen-Power wiederum bedeutet üblicherweise teure Computer. Das muss aber nicht sein. „Systemvoraussetzungen: Was brauche ich für Machine Learning?“ weiterlesen
Welche Bibliothek für Deep Learning einsetzen?
Zwar lassen sich Deep-Learning-Algorithmen auf der Basis von Python oder R auch selbst erstellen, aber es ist deutlich produktiver hierfür eine bereits vorhandene Bibliothek einzusetzen. Inzwischen gibt es eine Vielzahl derartiger Bibliotheken, welche davon sich am ehesten anbietet, erklärt dieser Artikel. „Welche Bibliothek für Deep Learning einsetzen?“ weiterlesen
Buchempfehlungen: R lernen auf Deutsch
Hier nun eine Liste mit Büchern, mit denen man die insbesondere die für statistische Berechnungen geeignete Sprache R lernen kann. Das Besondere dieser Liste ist, dass die Bücher allesamt deutschsprachig sind.
R für Einsteiger: Einführung in die Statistiksoftware für die Sozialwissenschaften (mit Online-Material)
Dieses Buch ist eine gute Einführung in R, richtet sich aber in erster Linie an Psychologinnen sowie Psychologen und hat daher deren spezifische Ansprüche im Fokus. Daher ist das Buch etwas speziell, aber zum Erlernen der Sprache ist es dennoch empfehlenswert.
von Maike Luhmann (Autorin) | Verlagsgruppe Beltz | Preis: 34,95 EUR
Link zum Buch bei Amazon
Einführung in R: Ein Kochbuch zur statistischen Datenanalyse mit R
Der Begriff „Kochbuch“ ist hier tatsächlich Programm. Nicht in dem Sinne, dass etwas auf dem Herd zubereitet wird, sondern dass es um die Anwendung und die Praktik anhand von Anleitungen geht. Günter Faes fängt ganz am Anfang an, so dass man auch ohne Vorkenntnisse loslegen kann.
von Günter Faes (Autor) | Books On Demand | Preis: 25,50 EUR
Link zum Buch bei Amazon
Stochastik in den Ingenieurwissenschaften: Eine Einführung mit R (Statistik und ihre Anwendungen)
Die Wahrscheinlichkeitsrechnung und Statistik spielt in den Ingenieur- und Naturwissenschaften eine große Rolle und diese Rolle beleuchtet Christine Müller in ihrem Einführungswerk näher. Auch wenn die Einführung in R kurz gehalten ist, helfen die Übungsaufgaben, das Gelesene einzuüben.
von Christine Müller (Autorin) | Springer | Preis: 29,99 EUR
Link zum Buch bei Amazon
Statistik mit R: Eine praxisorientierte Einführung in R
Die Einführung in die statistische Arbeit mit R von Joachim Zuckarelli bietet einen umfassenden Überblick, bei dem die praktische Anwendung einen angemessenen Raum einnimmt. Neben den verschiedenen Analyse-Ansätzen geht der Autor auch auf die Präsentation der Ergebnisse ein.
von Joachim Zuckarelli (Autor) | O’Reilly | 32,90 EUR
Link zum Buch bei Amazon
Einführung in die Statistik mit R
Bei diesem Buch stehen die Wirtschafts- und Sozialwissenschaften an zentraler Stelle. Die beiden Autoren stellen statistische Methoden vor und zeigen deren Anwendung mithilfe von R. Dabei gehen sie über die Grundlagen hinaus und zeigen auch Ansätze zur Optimierung.
von Andreas Behr (Autor), Ulrich Pötter (Autor) | Franz Vahlen | 24,80 EUR
Link zum Buch bei Amazon
R in 10 Schritten: Einführung in die statistische Programmierumgebung
Einmal mehr steht die Anwendung der Statistik in der Psychologie im Vordergrund. Autor Rainer Alexandrowicz erklärt die Bedienung und die Programmierung von R. Bereits vorliegende Kenntnisse in der Statistik sind hier von Vorteil, wobei Abschnitte, in denen insbesondere auf die Hintergründe eingegangen wird, gekennzeichnet sind.
von Rainer Alexandrowicz (Autor) | UTB | 27,99 EUR
Link zum Buch bei Amazon
Angewandte Statistik: Methodensammlung mit R
Biowissenschaften und die Medizin hatten die beiden Autoren im Sinn, als sie dieses umfassende Werk zu R erstellt haben. Es bietet Studenten und Dozenten aber auch Praktikern anderer Richtungen notwendige Methoden zur gezielten und umsichtigen Datengewinnung. Es handelt sich hier um ein Standardwerk, das bereits in der 16. Auflage erschienen ist.
von Jürgen Hedderich (Autor), Lothar Sachs (Autor) | Springer | 59,99 EUR
Link zum Buch bei Amazon
Einführung in die nichtparametrische Statistik mit SAS und R: Ein anwendungsorientiertes Lehr- und Arbeitsbuch
Wer neben R auch einmal in andere Sprachen wie beispielsweise in SAS hineinschauen möchte, ist hier richtig. Die Autorin hat die verschiedenen statistischen Verfahren im Blick, zeigt dann auch deren Anwendung mit den beiden genannten Programmiersprachen. Grundkenntnisse der Statistik sind bei der Lektüre wünschenswert.
von Christine Duller (Autorin) | Springer | 32,99 EUR
Link zum Buch bei Amazon
Angewandte Statistik mit R: Eine Einführung für Ökonomen und Sozialwissenschaftler
Autor Reiner Hellbrück betrachtet R hierbei als Werkzeug für die Betriebswirtschaft. Insbesondere die Datenpflege und Aufbereitung spielt eine große Rolle, wobei der Autor hier zeigt, wie man in der Tabellenkalkulation die vorhandenen Daten sinnvoll bearbeitet, um mithilfe von R den maximalen Erkenntnisgewinn zu erzielen.
von Reiner Hellbrück (Autor) | Springer | 34,99 EUR
Link zum Buch bei Amazon
Statistikübungen für Bachelor- und Masterstudenten: Ein Arbeitsbuch mit einer Einführung in R
Für Interessierte in Statistik und ihre Anwendung steht dieses kompakte Übungsbuch bereit. Es bietet eine Reihe von Übungsaufgaben samt Lösungen und neben einer Formelsammlung auch Programmierbeispiele in R.
von Fred Böker (Autor), Stefan Sperlich (Mitwirkende), Walter Zucchini (Mitwirkende) | Springer | 24,99 EUR
Link zum Buch bei Amazon
Induktive Statistik: Eine Einführung mit R und SPSS
Die Statistik-Software SPSS und die Programmiersprache R sollen die Leserinnen und Leser hierbei lernen. Dabei dienen praxisnahe Beispiele, um die Konzepte der Datenverwaltung zu vermitteln. Abgerundet wird das Buch mit zahlreichen Übungsaufgaben und deren Lösungen.
von Helge Toutenburg (Autor) | Springer | 34,99 EUR
Link zum Buch bei Amazon
Mathematik für Ingenieure und Naturwissenschaftler: Lineare Algebra und Analysis in R
Für Studierende und Dozierende der Ingenieurs- und Naturwissenschaften bieten die beiden Autoren einen guten Zugang in die Mathematik und zeigen anhand von vielen Beispielen die Anwendung der gewonnenen Erkenntnisse.
von Wilhelm Merz (Autor), Peter Knabner (Mitwirkende) | Springer | 34,99 EUR
Link zum Buch bei Amazon
Endlich gelöst! Aufgaben zur Mathematik für Ingenieure und Naturwissenschaftler: Lineare Algebra und Analysis in R
Dieses Buch gehört direkt zum Werk darüber, denn es bietet für die beeindruckende Zahl von 430 Aufgaben Musterlösungen, bei manchen Aufgaben gibt es sogar mehrere aufgezeigte Lösungswege.
von Wilhelm Merz (Autor), Peter Knabner (Mitwirkende) | Springer | 29,99 EUR
Link zum Buch bei Amazon
Mathematische Methoden in den Biowissenschaften: Eine Einführung mit R
Auch wenn hier insbesondere die Biowissenschaften im Vordergrund stehen, bietet das Buch auf 472 Seiten eine Vielzahl unterschiedlicher Themen, die auch für andere Disziplinen interessant sind. Auch hier bieten vielfältige Übungsmaterialien einen intensiveren Zugang zu den vorgestellten Ansätzen der Datenauswertung.
von Werner Timischl (Autor) | Springer | 44,99 EUR
Link zum Buch bei Amazon
Statistik und Stochastik: Die Basis für Machine Learning
Im Grunde erfindet Machine Learning das Rad nicht neu, denn die den unterschiedlichen Ansätzen des maschinellen Lernens zugrunde liegenden Verfahren basieren auf lange bekannten mathematischen Methoden aus der Statistik und Stochastik.
Um ein besseres Verständnis des maschinellen Lernens zu entwickeln, lohnt es sich, in die Bereiche der Statistik und der Wahrscheinlichkeitsrechnung einzutauchen. Es gibt viele Einführungsbücher in diese beiden Felder der Mathematik, zwei sich ergänzende Bücher stammen aus dem Telekolleg: Statistik / Stochastik: Telekolleg und Mathematik Formeln und Begriffe: Telekolleg „Statistik und Stochastik: Die Basis für Machine Learning“ weiterlesen
Machine Learning hilft Versicherungen Geld zu sparen
Als Versicherung möchte ich – so gut es irgend geht – über meine Kunden Bescheid wissen, um beispielsweise zu verhindern, dass Versicherungsleistungen grundlos in Anspruch genommen werden. Versicherungsbetrug hat hohe Schäden zur Folge: „Alleine in der Schaden- und Unfallversicherung beläuft er sich jährlich auf vier Milliarden Euro, schätzt der GDV.“ So liegt es im ureigensten Interesse der Versicherungen, die Schäden so gering wie möglich zu halten. Hier kommt nun Machine Learning ins Spiel. „Machine Learning hilft Versicherungen Geld zu sparen“ weiterlesen
Was ist matplotlib?
matplotlib ist eine Python Bibliothek zur Erstellung von Graphen auf einem hohen Niveau. Die erstellten Charts können mit nur wenig Aufwand so konfiguriert werden, dass sie sich ohne Weiteres publizieren lassen. matplotlib wird innerhalb von Python Skripten aufgerufen, aber auch innerhalb der Jupyter Notebooks oder auch auf Web Application Servern lässt sich die Bibliothek hinzuziehen. „Was ist matplotlib?“ weiterlesen
Soll man Python Version 2 oder Version 3 für Machine Learning lernen?
Manche Anfänger stellen sich die Frage, ob das für Machine Learning verwendete Python auf dem eigenen Computer in der Version 2 oder Version 3 vorliegen soll. Diese Frage hat ihre Berechtigung, da Python 3 viele Veränderungen mit sich gebracht hat, so dass Projekte auf Python-2-Basis nicht einfach unter dem Python-3-Interpreter weiterlaufen. „Soll man Python Version 2 oder Version 3 für Machine Learning lernen?“ weiterlesen
IBM bietet „Machine Learning for Dummies“ als PDF zum Download an
Der US-amerikanische Tech-Konzern IBM bietet das Buch „Machine Learning for Dummies“ kostenlos als PDF zum Download an. Auf 75 Seiten bekommen interessierte Einsteigerinnen und Einsteiger eine schöne Einführung in das maschinelle Lernen auf Englisch. „IBM bietet „Machine Learning for Dummies“ als PDF zum Download an“ weiterlesen
Einführung in Machine Learning von Google
Google-Mitarbeiter Jason Mayes hat mit vielen Stunden Arbeit eine Einführung ins maschinelle Lernen erstellt, die unter Machine Learning 101 für alle frei verfügbar ist. Wer des Englischen mächtig ist, sollte sich das Ergebnis ansehen – aber Vorsicht: Mayes warnt, dass man zur Lektüre zwei Stunden ungestörte Zeit mitbringen sollte. „Einführung in Machine Learning von Google“ weiterlesen
Beispiel für Reinforcement Learning in der Spieleentwicklung
Gerade bei Spielen ist es unbefriedigend, wenn sich Abläufe wiederholen oder wenn vom Computer gesteuerte Spielfiguren (NPCs) unpassend agieren. Hier kann Machine Learning helfen, damit diese Spielfiguren eigene und zum Spiel passende Eigenschaften entwickeln. In einem Blog-Beitrag bei Unity, der Spiel-Engine, geht es genau um das Thema „Maschinell lernende Figuren in einem echten Spiel“. „Beispiel für Reinforcement Learning in der Spieleentwicklung“ weiterlesen