eBook - ePub
Maschinelles Lernen mit Python und R für Dummies
This is a test
- German
- ePUB (handyfreundlich)
- Über iOS und Android verfügbar
eBook - ePub
Maschinelles Lernen mit Python und R für Dummies
Angaben zum Buch
Buchvorschau
Inhaltsverzeichnis
Quellenangaben
Über dieses Buch
Maschinelles Lernen ist aufregend: Mit schnellen Prozessoren und großen Speichern können Computer aus Erfahrungen lernen, künstliche Intelligenz kommt wieder in Reichweite. Mit diesem Buch verstehen Sie, was maschinelles Lernen bedeutet, für welche Probleme es sich eignet, welche neuen Herangehensweisen damit möglich sind und wie Sie mit Python, R und speziellen Werkzeugen maschinelles Lernen implementieren. Sie brauchen dafür keine jahrelange Erfahrung als Programmierer und kein Mathematikstudium. Die praktische Anwendung maschinellen Lernens steht in diesem Buch im Vordergrund. Spielen Sie mit den Tools und haben Sie Spaß dabei! Lernen Sie Fakten und Mythen zum maschinellen Lernen zu unterscheiden.
Häufig gestellte Fragen
Gehe einfach zum Kontobereich in den Einstellungen und klicke auf „Abo kündigen“ – ganz einfach. Nachdem du gekündigt hast, bleibt deine Mitgliedschaft für den verbleibenden Abozeitraum, den du bereits bezahlt hast, aktiv. Mehr Informationen hier.
Derzeit stehen all unsere auf Mobilgeräte reagierenden ePub-Bücher zum Download über die App zur Verfügung. Die meisten unserer PDFs stehen ebenfalls zum Download bereit; wir arbeiten daran, auch die übrigen PDFs zum Download anzubieten, bei denen dies aktuell noch nicht möglich ist. Weitere Informationen hier.
Mit beiden Aboplänen erhältst du vollen Zugang zur Bibliothek und allen Funktionen von Perlego. Die einzigen Unterschiede bestehen im Preis und dem Abozeitraum: Mit dem Jahresabo sparst du auf 12 Monate gerechnet im Vergleich zum Monatsabo rund 30 %.
Wir sind ein Online-Abodienst für Lehrbücher, bei dem du für weniger als den Preis eines einzelnen Buches pro Monat Zugang zu einer ganzen Online-Bibliothek erhältst. Mit über 1 Million Büchern zu über 1.000 verschiedenen Themen haben wir bestimmt alles, was du brauchst! Weitere Informationen hier.
Achte auf das Symbol zum Vorlesen in deinem nächsten Buch, um zu sehen, ob du es dir auch anhören kannst. Bei diesem Tool wird dir Text laut vorgelesen, wobei der Text beim Vorlesen auch grafisch hervorgehoben wird. Du kannst das Vorlesen jederzeit anhalten, beschleunigen und verlangsamen. Weitere Informationen hier.
Ja, du hast Zugang zu Maschinelles Lernen mit Python und R für Dummies von John Paul Mueller,Luca Massaron, Simone Linke im PDF- und/oder ePub-Format sowie zu anderen beliebten Büchern aus Computer Science & Computer Science General. Aus unserem Katalog stehen dir über 1 Million Bücher zur Verfügung.
Information
Teil II
Einrichtung Ihrer Programmierumgebung
Kapitel 4
Installation einer R‐Distribution
IN DIESEM KAPITEL
- Eine geeignete R‐Distribution auswählen
- R unter Windows, Linux und Mac OS X installieren
- Quelltexte und Datensätze zu diesem Buch verwenden
Um die Funktionsweise von maschinellem Lernen anhand von Beispielen zu veran‐schaulichen, nutzen wir in diesem Buch die Programmiersprachen R und Python. Sie bieten unter allen infrage kommenden Sprachen die besten Lernmaterialien und Funktionen für unsere Zwecke und entsprechen auch dem derzeitigen Branchenstandard. Im ersten Abschnitt dieses Kapitels stellen wir verschiedene R‐Distributionen vor, die sich jeweils für unterschiedliche maschinelle Lernvorhaben eignen. Wir erklären außerdem, warum wir uns für die von uns genutzte R‐Distribution entschieden haben und wie Sie R auf einem Rechner mit Linux, Mac OS X oder Windows installieren.
Das nächste Kapitel enthält dann grundlegende Informationen zur Funktionsweise von R, um Ihnen die ersten Schritte und das Verständnis der Beispiele zu erleichtern. Ein kompletter Einführungskurs zu R würde an dieser Stelle den Rahmen sprengen.
Sollten Sie das hier beschriebene Verfahren zur Installation von R überspringen wollen, beachten Sie bitte dennoch den letzten Abschnitt in diesem Kapitel zur Installation unserer Quelltexte und Datensätze. Wenn Sie diese Materialien nicht installieren, wird es deutlich schwieriger, den Erklärungen und Beispielen in diesem Buch zu folgen. Die Quelltexte zum Herunterladen (unter
www.wiley‐vch.de/publish/dt/books/ISBN3‐527‐71363‐8
) ersparen Ihnen außerdem das mühselige Abtippen unserer Beispiele. Um später Ihre neu gewonnenen Kenntnisse zu testen, können Sie die Beispiele natürlich dann auch von Hand neu programmieren.Auswahl einer R‐Distribution für maschinelles Lernen
R ist eine Kombination aus Programmierumgebung und ‐sprache. Sie orientiert sich stark an der Programmiersprache S, die von John Chambers in den Bell Laboratories für statistische Berechnungen und Grafiken konzipiert und später durch Rick Becker und Allan Wilks weiterentwickelt wurde. Ziel der Programmiersprache R ist es, Ideen möglichst schnell und einfach in Software umsetzen zu können. Anders ausgedrückt: R richtet sich an Benutzer, die auch ohne Programmiererfahrung brauchbaren Code erzeugen möchten. Dieses Buch nutzt R statt S, weil R kostenlos heruntergeladen werden kann (S hingegen ist kostenpflichtig) und weitestgehend mit S kompatibel ist. Allgemeine Informationen zu R finden Sie auf der offiziellen Website unter
https://www.r‐project.org/about.html
(auf Englisch) oder unter https://de.wikipedia.org/wiki/R_(Programmiersprache)
.In diesem Buch verwenden wir die Desktopversion von RStudio (
https://www.rstudio.com/products/rstudio/#Desktop
; ältere Versionen finden Sie im Archiv unter https://support.rstudio.com/hc/en‐us/articles/206569407‐Older‐Versions‐of‐RStudio
), die Ihnen die Arbeit mit R zusätzlich erleichtert. Das Produkt steht kostenlos für Linux (Debian/Ubuntu, RedHat/CentOS und SUSE Linux), Mac und Windows zur Verfügung. Die erweiterten Optionen der kostenpflichtigen Version und die Funktionen von RStudio Server benötigen Sie für dieses Buch nicht.Falls Ihnen RStudio nicht zusagt, können Sie auch andere Distributionen testen. Die geläufigsten Alternativen sind StatET (
http://www.walware.de/goto/statet
), Red‐R (https://decisionstats.com/2010/09/28/red‐r‐1‐8‐groovy‐gui
/
) und Rattle (http://rattle.togaw...
Inhaltsverzeichnis
- Cover
- Titelseite
- Impressum
- Inhaltsverzeichnis
- Über die Autoren
- Einführung
- Teil I: Einführung in das maschinelle Lernen
- Teil II: Einrichtung Ihrer Programmierumgebung
- Teil III: Mathematische Grundlagen
- Teil IV: Aufbereitung und Verwendung von Daten zum Lernen
- Teil V: Praktische Anwendung von maschinellem Lernen
- Teil VI: Der Top‐Ten‐Teil
- Stichwortverzeichnis
- End User License Agreement