• Alle Preisangaben inkl. MwSt.
Nur noch 1 auf Lager (mehr ist unterwegs).
Verkauf und Versand durch Amazon.
Geschenkverpackung verfügbar.
Menge:1
Machine Learning (McGraw-... ist in Ihrem Einkaufwagen hinzugefügt worden
+ EUR 3,00 Versandkosten
Gebraucht: Gut | Details
Verkauft von Deal DE
Zustand: Gebraucht: Gut
Kommentar: Dieses Buch ist in gutem, sauberen Zustand. Seiten und Einband sind intakt.
Möchten Sie verkaufen?
Zur Rückseite klappen Zur Vorderseite klappen
Anhören Wird wiedergegeben... Angehalten   Sie hören eine Probe der Audible-Audioausgabe.
Weitere Informationen
Alle 2 Bilder anzeigen

Machine Learning (McGraw-Hill Series in Computer Science) (Englisch) Gebundene Ausgabe – 1. März 1997


Alle 4 Formate und Ausgaben anzeigen Andere Formate und Ausgaben ausblenden
Amazon-Preis Neu ab Gebraucht ab
Gebundene Ausgabe
"Bitte wiederholen"
EUR 266,61
EUR 69,99 EUR 130,88
11 neu ab EUR 69,99 5 gebraucht ab EUR 130,88

Hinweise und Aktionen

  • Sparpaket: 3 Hörbücher für 33 EUR: Entdecken Sie unsere vielseitige Auswahl an reduzierten Hörbüchern und erhalten Sie 3 Hörbücher Ihrer Wahl für 33 EUR. Klicken Sie hier, um direkt zur Aktion zu gelangen.

Jeder kann Kindle Bücher lesen — selbst ohne ein Kindle-Gerät — mit der KOSTENFREIEN Kindle App für Smartphones, Tablets und Computer.


Produktinformation

  • Gebundene Ausgabe: 432 Seiten
  • Verlag: Mcgraw Hill Book Co; Auflage: New. (1. März 1997)
  • Sprache: Englisch
  • ISBN-10: 0070428077
  • ISBN-13: 978-0070428072
  • Größe und/oder Gewicht: 16,3 x 3,3 x 24,1 cm
  • Durchschnittliche Kundenbewertung: 4.8 von 5 Sternen  Alle Rezensionen anzeigen (8 Kundenrezensionen)
  • Amazon Bestseller-Rang: Nr. 806.619 in Fremdsprachige Bücher (Siehe Top 100 in Fremdsprachige Bücher)
  • Komplettes Inhaltsverzeichnis ansehen

Mehr über den Autor

Entdecken Sie Bücher, lesen Sie über Autoren und mehr

Produktbeschreibungen

Synopsis

This book covers the field of machine learning, which is the study of algorithms that allow computer programs to automatically improve through experience. The book is intended to support upper level undergraduate and introductory level graduate courses in machine learning.

Autorenkommentar

Table of Contents:

1. Introduction
2. Concept Learning and General-to-Specific Ordering
3. Decision Tree Learning
4. Artificial Neural Networks
5. Evaluating Hypotheses
6. Bayesian Learning
7. Computational Learning Theory
8. Instance-Based Learning
9. Genetic Algorithms
10. Learning Sets of Rules
11. Analytical Learning
12. Combining Inductive and Analytical Learning
13. Reinforcement Learning

Includes web-accessible data and code.


Welche anderen Artikel kaufen Kunden, nachdem sie diesen Artikel angesehen haben?


In diesem Buch (Mehr dazu)
Einleitungssatz
Ever since computers were invented, we have wondered whether they might be made to learn. Lesen Sie die erste Seite
Mehr entdecken
Wortanzeiger
Ausgewählte Seiten ansehen
Buchdeckel | Copyright | Inhaltsverzeichnis | Auszug | Stichwortverzeichnis | Rückseite
Hier reinlesen und suchen:

Kundenrezensionen

4.8 von 5 Sternen
5 Sterne
6
4 Sterne
2
3 Sterne
0
2 Sterne
0
1 Sterne
0
Alle 8 Kundenrezensionen anzeigen
Sagen Sie Ihre Meinung zu diesem Artikel

Die hilfreichsten Kundenrezensionen

2 von 2 Kunden fanden die folgende Rezension hilfreich Von Schreibwie am 29. Oktober 2013
Format: Taschenbuch Verifizierter Kauf
Zugegeben ist es etwas älteres Buch. Dennoch sind die Grundkonzepte gut erklärt und eingeführt. Es ist in Prosa im Gegensatz zu vielen anderen Lehrbüchern geschrieben. Wichtige Definitionen und der Pseudocode zu wichtigen Algorithmen sind hervorgehoben.

Anhand der Erklärung und des abgedruckten Pseudocodes, sollte jeder in der Lage sein die Experimente selber durchzuführen. Auch ist es schön, dass Definitionen, die drei Kapitel vorher behandelt wurden, eventuell zur Erinnerung erneut bemerkt werden, sodass ein Zurückblättern entfällt. Das ist auch keine lästige Wiederholung von Inhalten, da es nur an den passenden Stellen verwendet wird.

Der Einstieg über Entscheidungsbäume ist vielleicht etwas langatmig. Dafür ist das Kapitel über optimale Bayes-Klassifikatoren und Naive-Bayes umso besser.

Der Inhalt des Buches könnte eine komplette Vorlesung ausstatten. Ebenfalls sind die Referenzen pro Kapitel direkt neben den Übungsaufgaben abgedruckt.

edit:
(Rechtschreibung und Grammatik in die Rezension eingebaut)
Wer sich Sachen zu einer SVM aneignen möchte, der wird in diesem Buch nichts finden.
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback. Wenn diese Rezension unangemessen ist, informieren Sie uns bitte darüber.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
Format: Gebundene Ausgabe
Everything I will do in the future will be based on ML and just one semester of an ML course & this book has converted me(even though my major is not Comp.Science). Of-course this is due majorly to Dr. Thomas Ioerger and his teaching abilities(Texas A&M), but the book presents all concepts(even seemingly complex ones) in a way that is easy and enjoyable to learn. One of the most useful books I've ever studied!
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback. Wenn diese Rezension unangemessen ist, informieren Sie uns bitte darüber.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
Format: Gebundene Ausgabe
I first used this book as the required text for my course in ML in 1997 and got rave reviews from the students. I will be using it again in 1999. I found ALL of the major topics and issues in ML addressed. The book is easily readable with anyone with a computer science background, and the book works quite well in a wide variety of approaches to presentation at the advanced undergraduate and graduate levels.
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback. Wenn diese Rezension unangemessen ist, informieren Sie uns bitte darüber.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
2 von 3 Kunden fanden die folgende Rezension hilfreich Von S. Boese am 31. Mai 2009
Format: Taschenbuch
Wann immer es um maschinelles Lernen geht, findet man auch dieses Buch. Ich selbst habe es zur Vorbereitung einer Prüfung benutzt und die Kernkonzepte werden recht tiefschürfend rübergebracht - auch auf angenehme Art und Weise.

Zwei Dinge halten ich davon ab, daß volle Punktzahl zu vergeben: Es fehlt ein Kapitel über Support Vector Machines und eines zur Funktionsapproximation.

Sei's drum: Das Buch muß man lesen, will man behaupten sich mit dem Thema beschäftigt zu haben!
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback. Wenn diese Rezension unangemessen ist, informieren Sie uns bitte darüber.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen