CM CM Hier klicken Jetzt informieren Xmas Shop 2017 Cloud Drive Photos UHD TVs Mehr dazu HI_PROJECT Mehr dazu Mehr dazu Shop Kindle AmazonMusic BundesligaLive wint17


am 20. Mai 2017
Buch gibt einen guten Überblick über einige der populärsten Algorithmen des Machine Learnings. Hier bei versäumt der Author es nicht, auf die Intention der einzelnen Bereche einzugehen. Die meisten Teile werden mit guten Beispielen anschaulich vorgeführt.

Zu jedem Kapitel gibt es umfangreiche Übungenaufgaben und Beispiel-Code in Python. Auf der Website des Authors werden darüber hinaus Python-Implementierungen der meisten vorgestellten Methoden zur Verfügung gestellt.

Einziges Thema, welches ich mir zusätzlich gewünscht hätte, sind Convolutional Neural Networks.
0Kommentar| Eine Person fand diese Informationen hilfreich. War diese Rezension für Sie hilfreich?JaNeinMissbrauch melden
am 11. August 2017
Ein sehr gutes Buch, dass ich auch in Veranstaltungen von mir einsetze. Mit seinem Ansatz über Algorithmen (in Python) geht es einen sehr guten Mittelweg. Es ist dadurch nämlich angewandter als andere Werke die und doch nicht so oberflächlich wie manche Bücher die in letzter Zeit erschienen die nur erklären wie man Libs wie scikit-learn bedient. Kann man nur empfehlen, da es die Mathematik wirklich auf das nötige reduziert ohne Cargo Cult Science zu propagieren. Die Kritik eines anderen Rezensenten kann ich insofern verstehen, als dass Fehler etwas nerven, wenn man was nachimplementiert bzw. nachvollzieht. Aber falls man die Ideen verstanden hat, fallen einem die Fehler direkt auf und man korrigiert die quasi im Lesen. Wer übrigens glaubt, dass in einer zweiten Auflage keine Fehler mehr drin sind, hat denke ich noch nie versucht ein Fachbuch/Skript über ein komplexeres Thema zu schreiben. Solche ärgerlichen Fehler verschwinden nur, wenn man diese der Autorin/dem Autor meldet … und das vorzugsweise nicht über Amazon sondern per Mail. Um hierzu seiner ausgewogenen Sicht zu kommen empfehle ich die Rezensionen auf Amazon.com .
0Kommentar|War diese Rezension für Sie hilfreich?JaNeinMissbrauch melden
am 30. Januar 2013
Ich beschäftige mich schon seit Jahren mit dem Thema Machine Learning und hatte das Buch schon eine Weile. Da ich nun viel mit Phyton programmiere, fiel mir das Buch wieder in die Hand. JA, um zu vertehen, was Machine Learning und Data Mining eigentlich ist, ist dieses Buch sicher weniger geeignet. Allerdings lassen sich alle Codes direkt in Python nutzen und deren prinzipielle Funktionalität kann man im Buch mit Hintergrundinformationen nachlesen. Es gibt zwar jede Menge Machine Learning Bibliotheken im Web, aber deren Anwendung ist oftmals überaus fummelig und es gibt meist jede Menge Abhängigkeiten von anderen Bibliotheken oder seltsame Datenformate, etc.. Hier gibt es pures Python für eigenen Anwendungen, daher volle Punktzahl.
0Kommentar| Eine Person fand diese Informationen hilfreich. War diese Rezension für Sie hilfreich?JaNeinMissbrauch melden
am 19. Juni 2017
For me as a student of computer science and cognitive science, the quality of the book and material is unbearable. I have only read the first 40 pages and the last part about Gaussian Processes, but I've already decided to give up reading because of the many mistakes. And we are talking about very obvious mistakes that should not be in any textbook at all, not for the price.

Another really annoying fact is the quality of most of the pictures. Most figures are very pixelated and noisy, the choice of symbols is not helpful at all (hearts for the means of the clusters...).

To tell you some of the mistakes on the first pages:
- p.23 Accuracy is wrongly defined, nominator has to be #TP + #TN
- p.32 formula for variance is improper, 1/N or 1/N-1 is missing
- p.36 The "+" in the bias^2 term is wrong, there must be a "-" sign.

These are the very basics of all machine learning algorithms and a book that makes so many mistakes in the basics is not worth to be read any further.
0Kommentar| Eine Person fand diese Informationen hilfreich. War diese Rezension für Sie hilfreich?JaNeinMissbrauch melden
am 24. April 2011
Nimmt man die Mathematisierung der Texte als Massstab her, dann ist ein Grossteil der modernen Wissenschaftsliteratur von Narren geschrieben. Wobei das zviel überwiegt. In diesem Buch ist der Autor aber eher auf der zweng Seite gelandet. Wie er im Vorwort berichtet, hält er für Computer-Science Studenten Machine-Learning Kurse ab. Die Studenten steigen bei der üblichen zviel Literatur aus. Also hat er bewusst ein vollkommen unmathematisches Buch geschrieben. Teilweise schüttet er aber das Kind mit dem Bade aus. Wie er selbst anmerkt, ist es manchmal sehr schwierig eine relativ simple Formel rein verbal darzustellen. Da hab ich ihm im Geiste zugerufen "Oida, des is so einfach, dass werden a deine Computer-Heinis als Formel verstehn". Ich habe einst Statistik-Vorlesungen für Sozialwissenschafter gehalten und kenne die Problematik nur zu gut. Als Kompromiss gabs bei mir 1 Formel pro Stunde.

Marsland erklärt die Algorithmen stattdessen mit Python Kode. Man kann sich - bis auf Support Vector Machines - den vollständigen Kode von der homepage des Autors herunterladen. Im Buch selbst werden allerdings nur die High-Level Methodennamen abgedruckt. Im Grunde nähert sich diese Darstellung einer sehr abstrakten mathematischen Methode an. Aus dem Aufruf "kmeanstran(test)" lernt man auch nicht, wie K-Means Clustering wirklich funktioniert.
In R.Quinlan, C4.5 Programs for Machine-Learning ist z.B. eine sehr nette "shuffle" Routine zum Durchmischen des Inputs abgedruckt. Shuffle taucht in modernen Statistischen Verfahren an allen Ecken und Enden auf (bootstrap, boosting, bragging...). In diesem Buch wird "shuffle" auch aufgerufen. Man erfährt aber nicht, wie shuffle funktioniert. Man könnte im Kode nachschauen. Im Quinlan Buch habe ich es getan. Weil es abgedruckt war. Im Marsland Kode habe ich mich nicht durch den Python Kode zu shuffle durchgeschlagen.

Trotz dieser Kritik ist das Buch eine ganz nette Einführung in das Gebiet. Die beiden Bücher von Witten und Quinlan haben mir aber besser gefallen. Sie sind zumindest für meinen Geschmack narrenfrei.

Witten H., Frank E., Hall M., Data Mining, Practical Machine Learning Tools and Techniques
Quinlan R., C4.5 Programs for Machine Learning.
0Kommentar| 4 Personen fanden diese Informationen hilfreich. War diese Rezension für Sie hilfreich?JaNeinMissbrauch melden



Brauchen Sie weitere HilfeHier klicken