Unter dem Titel Learning to program with Python 3 bietet der User sentdex eine Einführung in das Programmieren mit Python 3 an. Die einzelnen Episoden sind zwischen sechs und zwölf Minuten lang und somit gut verdaulich. Gute Englischkenntnisse sollte man aber schon mitbringen. „Python lernen auf YouTube mit sentdex“ weiterlesen
Fast 100 fertige anpassbare Machine-Learning-Beispiele zum Ausprobieren
Wie wäre es, wenn man auf fast 100 fertig eingerichtete und einsatzbereite Machine-Learning-Instanzen als Beispiele zum Herumprobieren und Forschen zur Verfügung hätte? Klingt gut? Genau das bietet Google mit seinem Projekt Seedbank unter dem Namen Collection of Interactive Machine Learning Examples an. Schauen wir uns an, was es da so gibt und wie man da loslegen kann. „Fast 100 fertige anpassbare Machine-Learning-Beispiele zum Ausprobieren“ weiterlesen
Welche Entwicklungsumgebung (IDE) für Machine Learning?
Für Machine-Learning-Projekte stehen neben unterschiedlichen Programmiersprachen, einer Vielzahl von Bibliotheken auch verschiedene Entwicklungsumgebungen zur Verfügung. Welche das sind und welche Vorteile sie bieten, sehen wir uns hier einmal genauer an. „Welche Entwicklungsumgebung (IDE) für Machine Learning?“ weiterlesen
Notizen mit Sketchnotes schnell und visuell erstellen
Schon mehrmals konnte ich mich von der Geschwindigkeit und der Eleganz von sogenannten Sketchnotes überzeugen. Sowohl auf dem Lübecker als auch auf dem Kieler BarCamp gab es einige Expertinnen und Experten, die in Windeseile beeindruckende visuelle Notizen zu den jeweiligen Sessions gezaubert haben. Natürlich ist das Ganze keine Magie, sondern das richtige Anwenden von gelernten Methoden und Übung. „Notizen mit Sketchnotes schnell und visuell erstellen“ weiterlesen
Neuer Python-Editor namens Mu steht bereit
Der sich explizit an Anfänger richtende Python-Editor namens Mu steht nun in der Version 1.0 für die Öffentlichkeit bereit. Die Entwicklerinnen und Entwickler haben bei der Gestaltung viel Wert auf die Rückmeldung von Schülerinnen und Schülern gelegt, so dass der Einstieg in Python besonders einfach gelingen soll. „Neuer Python-Editor namens Mu steht bereit“ weiterlesen
Buchempfehlungen: Raspberry Pi für Anfänger auf deutsch
Der Mini-Computer Raspberry Pi eignet sich hervorragend, um mit dem Machine Learning zu beginnen. Er ist klein, benötigt wenig Strom, kostet nicht viel und bringt dennoch alles mit, um als Anfänger die ersten Schritte des maschinellen Lernens zu gehen. Zu Beginn jedoch hilft es, den Einstiegscomputer mithilfe eines Buchs zu erkunden, denn auf diese Weise kommt man schneller zu Erfolgen. Hier also eine kleine Liste, mit Büchern, die sich dem Einstieg mit dem Raspberry Pi widmen. „Buchempfehlungen: Raspberry Pi für Anfänger auf deutsch“ weiterlesen
Systemvoraussetzungen: Was brauche ich für Machine Learning?
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