Interpretierbares Maschinelles Lernen

Maschinelles Lernen hat ein gro es Potenzial f r die Verbesserung von Produkten, Prozessen und Forschung. Aber Computer erkl ren ihre Vorhersagen in der Regel nicht, was ein Hindernis f r die Einf hrung des maschinellen Lernens darstellt. Dieses Lehrbuch ber maschinelles Lernen ist ideal f r Studenten oder Entwickler, die eine Einf hrung in Modellierungsprozesse und/oder Vorhersagemodelle ben tigen. Es bietet eine umfassende Aufschl sselung des gesamten Modellierungsprozesses. In diesem Buch geht es darum, Modelle des maschinellen Lernens und ihre Entscheidungen interpretierbar zu machen. Dieses Lehrbuch zum maschinellen Lernen wird in der Gemeinschaft des maschinellen Lernens wegen seines konzeptionellen Rahmens und seiner vielf ltigen Themenpalette h ufig zitiert. Dieses Lehrbuch kann sowohl als lockere Einf hrung in das maschinelle Lernen als auch als Nachschlagewerk f r alle dienen, die ihr Wissen ber neuronale Netze, Testmethoden und mehr auffrischen m ssen. Das Buch ermutigt den Leser auf Schritt und Tritt dazu, eigene Experimente und Untersuchungen durchzuf hren, was es zu einem n tzlichen Hilfsmittel macht, um die F higkeiten und die Neugierde zu entwickeln, die f r relevante Durchbr che im Bereich des maschinellen Lernens bzw. f r die eigene Karriere erforderlich sind.