Maschinelles Lernen · 2. Auflage

Das maschinelle Lernen ist zwangsl�ufig eines der am schnellsten wachsenden Gebiete der Computerwissenschaft. Nicht nur die zu verarbeitenden Datenmengen werden immer umfangreicher, sondern auch die Theorie, wie man sie verarbeiten und in Wissen verwandeln kann.

Maschinelles Lernen ist ein verst�ndlich geschriebenes Lehrbuch, welches ein breites Spektrum an Themen aus verschiedenen Bereichen abdeckt, wie zum Beispiel Statistik, Mustererkennung, neuronale Netze, k�nstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. Dar�ber hinaus beinhaltet das Buch auch Themen, die von einf�hrenden Werken h�ufig nicht behandelt werden. Unter �berwachtes Lernen; Bayessche Entscheidungstheorie; parametrische und nichtparametrische Statistik; multivariate Analysis; Hidden-Markow-Modelle; best�rkendes Lernen; Kernel-Maschinen; graphische Modelle; Bayes-Sch�tzung und statistische Testmethoden. Da maschinelles Lernen eine immer gr��ere Rolle f�r Studierende der Informatik spielt, geht die zweite Aufl age des Buches auf diese Ver�nderung ein und unterst�tzt gezielt Anf�nger in diesem Gebiet, unter anderem durch �bungsaufgaben und zus�tzliche Beispieldatens�tzen.

Prof. Dr. Ethem Alpaydin, Bogazi�i University, Istanbul.