Dr. Rudolf Jäger ist Lehrbeauftragter an der TH Ingolstadt im Studienfach Computer Science and AI. Sein Schwerpunkt liegt auf dem Thema Maschinelles Lernen. Zuvor hatte er 16 Jahre lang eine Professur an der Technischen Hochschule Mittelhessen, Fachbereich Elektrotechnik inne und war zudem in der Industrie tätig.



Entdecken Sie in diesem Buch, wie Sie maschinelles Lernen für die Entwicklung von Empfehlungs- und Entscheidungssystemen praktisch einsetzen – klar erklärt, anwendungsorientiert und direkt auf Ihre Projekte übertragbar. Sie erhalten eine umfangreiche Sammlung anschaulicher Beispiele aus den Bereichen Supervised und Unsupervised Learning, die Ihnen helfen, schnell die passenden Methoden für Ihre Anforderungen zu finden. Ob Sie etwa ein Fraud-Erkennungssystem entwickeln möchten oder nach dem optimalen Algorithmus samt Parameterwahl suchen – dieses Buch liefert konkrete Antworten.



Ein weiterer Schwerpunkt liegt auf dem Design und der Umsetzung von Empfehlungssystemen. Schritt für Schritt erfahren Sie, wie zum Beispiel Filmempfehlungen mit gängigen Machine-Learning-Verfahren aufgebaut werden, welche Stärken und Grenzen die einzelnen Algorithmen haben und worauf es in der Praxis wirklich ankommt. Jedes Kapitel verbindet kompakte theoretische Grundlagen mit nachvollziehbaren Pilotimplementierungen und gut dokumentierten Python-Codebeispielen auf Basis von scikit-learn.



Zum Abschluss lernen Sie alle Schritte kennen, die notwendig sind, um Machine-Learning-Lösungen erfolgreich in industrielle Prozesse zu integrieren – damit Ihre Modelle nicht nur funktionieren, sondern echten Mehrwert schaffen.



Gibt eine Schritt-für-Schritt-Anleitung, wie maschinelles Lernen für die Entwicklung von Empfehlungs- und Entscheidungssystemen in industriellen Prozessen eingesetzt werden kann

Zeigt, welche Stärken und Grenzen die einzelnen Algorithmen haben und worauf es in der Praxis wirklich ankommt

Hilft bei der Auswahl der passenden Algorithmen für spezifische Projekte

Liefert praktische, in Python programmierte Use Cases und Codes

Konkurrenzlos

E-Book inklusive bei Kauf des gedruckten Buchs