Talks about Logic Programming, Uncertainty Reasoning and Machine Learning. This book includes definitions that circumscribe the area formed by extending Inductive Logic Programming to cases annotated with probability values. It investigates the approach of Learning from proofs and the issue of upgrading Fisher Kernels to Relational Fisher Kernels.
Erweitern Sie Ihr Fachwissen über Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) mit diesem verständlichen Sachbuch. In der Ära von Industrie 4.0 und Digitalisierung gewinnen ML und KI zunehmend an Bedeutung. Ohne komplexe mathematische Formeln werden die grundlegenden Methoden, Anwendungen und Vorgehensweisen des Maschinellen Lernens und der Künstlichen Intelligenz erklärt. Die Protagonistin Lisa veranschaulicht die Themen durch Alltagssituationen, wodurch sich Fachwissen, das bisher Experten vorbehalten war, leicht erschließt. Dieses Buch ermöglicht es Ihnen, neues Wissen zu erwerben, um in Diskussionen über Chancen und Risiken aktueller Entwicklungen zu glänzen. Es beginnt mit den Grundlagen der KI und des ML, klärt Fragen zu Daten, Algorithmen, Regression und Clusteranalysen und beleuchtet die Funktionsweise wichtiger Algorithmen des Maschinellen Lernens. Schritt für Schritt tauchen Sie mit vielen Abbildungen tiefer in die Materie ein. Die Autoren behandeln Verfahren wie k-Means, Entscheidungsbäume, das Verzerrung-Varianz-Dilemma, Big Data und Neuronale Netze. Zudem wird die gesellschaftliche Bedeutung von KI und ML thematisiert, einschließlich Sicherheits- und Ethikfragen. Dieses Werk ist eine Leseempfehlung für Interessierte, Entscheidungsträger und Schüler, die die Zukunft mitgestalten wollen.