E4SY ~ Einfach informiert!
Machine Learning ist zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden, von der medizinischen Diagnostik bis hin zur Suche nach Freunden in sozialen Netzwerken. Um Machine-Learning-Anwendungen zu entwickeln, braucht es keine großen Expertenteams. Mit diesem Buch gibt es die Möglichkeit kompakt eine Menge Praxiswissen über Machine-Learning zu erlangen.
Mit Python und der scikit-learn-Bibliothek kann man sich alle Schritte erarbeiten, die für eine erfolgreiche Machine-Learning- Anwendung notwendig sind. Die Autoren Andreas Müller und Sarah Guido konzentrieren sich bei der Verwendung von Machine-Learning-Algorithmen auf die praktischen Aspekte statt auf die Mathematik dahinter. Wer bereits zusätzlich mit den Bibliotheken NumPy und matplotlib vertraut ist, wird hier sehr viel Wert herausholen können.
Das Buch ist für Anfänger eine gute und schnelle Einführung in Machine Learning mit Python. Es wird direkt darauf eingegangen, wie man einfache Machine Learning Ansätze implementiert, ohne dabei groß auf die Hintergründe der verschiedenen Algorithmen einzugehen.
Nach einer kurzen Einführung in die Thematik gibt es zwei große Kapitel über die Themen überwachtes Lernen und unüberwachtes Lernen, in denen die wichtigsten Modelle und Algorithmen erklärt werden. Dabei liegt der Fokus darauf, diese Modelle anwenden zu können und nicht im Detail zu verstehen wie komplizierte Algorithmen, z.B. ein Kernel-Trick funktionieren.
Es gibt zu jeden Thema anschauliche Beispiele. Es wird auch auf Evaluierungen, Validierungen und einige wichtige Grundlagen eingegangen. Was mir dabei ein wenig gefehlt hat, sind Erklärungen warum die Unterteilung in Trainings-, Test- und Validierungstset wichtig sind und wie es die Ergebnisse beeinflussen kann, wenn einfach jedes Modell mal ausprobiert wird und dann das Beste gewählt wird.
Die Unterteilung und Strukturierung finde ich nicht ganz so gelungen, da für das gesamte Buch Jupyter-Notebook verwendet wurde. Das macht es etwas schwerer einzelne Unterkapitel zu finden wodurch das Buch als Nachschlagewerk etwas weniger geeignet ist. Es geht, aber es dauert ein bisschen.
Fazit
Für Anfänger, die einen schnellen und praktischen Einstieg in das Thema wollen, kann ich das Buch auf jeden Fall empfehlen. Für alle die mehr über die Hintergründe wissen wollen, z.B. wie genau die Modelle funktionieren oder die lerntheoretischen Hintergründe, ist dieses Buch wohl eher nichts, dies ist einfach nicht das Ziel dieses Buches.
Kaufen könnt ihr das Buch hier über Amazon und damit unterstützt ihr ohne zusätzliche Kosten unser Magazin.
