Machine Learning kurz & bündig

Einfach praktisch! Die Taschenbibliothek von O´Reilly erlaubt es, in Zyklen des öffentlichen Nahverkehrs in so komplexe Themen wie Machine Learning einzusteigen, ohne „schwere Kost“ mit sich herumtragen zu müssen. Und neben dem Gewicht ist es auch eine Darstellungsfrage, ob der Anspruch der Autoren („Wir setzen keine Kenntnisse voraus und beginnen tatsächlich bei null“) auch eingehalten werden kann. Nach einer knackigen Einführung werden anhand eines Jahrmarktbeispiels schon mal wichtige Grundlagenbegriffe erklärt und darüber hinaus wird eine gute Übersicht über die wesentlichen Arten von Machine Learning gegeben. An Kapitel 2 muss man sich entscheiden: Den Text lesen und einiges verstehen oder aber daneben in der (Azure) Cloud die korrespondierenden „Notebooks“ mit durcharbeiten, was natürlich eher weniger in Bus und Bahn ratsam erscheint. Vielleicht beschäftigt man sich mit dem „Irisblütenproblem“ auch besser unter freiem Himmel: Neben der Länge und der Breite des Kelchblattes benötigt man die Länge und die Breite des Kronblattes, um die drei Irisarten im Sinne einer Klassifikation abzugrenzen. Während Datenimport und -manipulationen auch für den Excel-only-User gut nachvollziehbar sind, wird es bei Linearer Regression schon maximal mathematisch. Ist aber ja auch notwendig. In kleinen verdaulichen Stücken werden u. a. Aspekte des Supervised Learning mit unterschiedliche Lernstrategien dargestellt. Zum Abschluss bekommt man noch eine Hinführung in Deep Neural Networks und lernt, was es braucht, um Verkehrsschilder zu erkennen, falls man in Zukunft dann doch lieber von ÖPNV auf das eigene selbstfahrende Auto umsteigen möchte. Ach ja: Ob mit Python oder mit „R“ statistisches Material ausgewertet und visualisiert werden sollte – diese Diskussion wird dann doch wieder vom Vorwissen abhängen und nicht vom Tool.

Weitere Infos bei Amazon.de.