Über die Autoren 13 Einführung 25 Teil I: Einführung in das maschinelle Lernen 29 Kapitel 1: Künstliche Intelligenz in Fiktion und Realität 31 Kapitel 2: Lernen im Zeitalter von Big Data 43 Kapitel 3: Ein Ausblick auf die Zukunft 53 Teil II: Einrichtung Ihrer Programmierumgebung 63 Kapitel 4: Installation einer R-Distribution 65 Kapitel 5: Programmierung mit R und RStudio 83 Kapitel 6: Installation einer Python-Distribution 107 Kapitel 7: Programmierung mit Python und Anaconda 127 Kapitel 8: Weitere Softwareprogramme für maschinelles Lernen 151 Teil III: Mathematische Grundlagen                                 159 Kapitel 9: Mathematische Grundlagen des maschinellen Lernens  161 Kapitel 10: Fehlerfunktionen und ihre Minimierung 179 Kapitel 11: Validierung von maschinellem Lernen 191 Kapitel 12: Einfache Lerner 209 Teil IV: Aufbereitung und Verwendung von Daten zum Lernen 225 Kapitel 13: Vorverarbeitung von Daten  227 Kapitel 14: Ausnutzung von Ähnlichkeiten in Daten 245 Kapitel 15: Einfache Anwendung von linearen Modellen 265 Kapitel 16: Komplexere Lernverfahren und neuronale Netze  287 Kapitel 17: Support Vector Machines und Kernel-Funktionen  303 Kapitel 18: Kombination von Lernalgorithmen in Ensembles 321 Teil V: Praktische Anwendung von maschinellem Lernen 337 Kapitel 19: Klassifikation von Bildern  339 Kapitel 20: Bewertung von Meinungen und Stimmungslagen 353 Kapitel 21: Produkt- und Filmempfehlungen 373 Teil VI: Der Top-Ten-Teil  387 Kapitel 22: Zehn wichtige Pakete für maschinelles Lernen 389 Kapitel 23: Zehn Methoden zur Verbesserung Ihrer maschinellen Lernmodelle 395 Stichwortverzeichnis 403