Tools des Maschinellen Lernens : Marktstudie, Anwendungsbereiche & Lösungen der Künstlichen Intelligenz (E-Book).

Intro
1 Einleitung
2 Grundlagen
2.1 Maschinelles Lernen
2.1.1 Überwachtes Lernen
2.1.2 Unüberwachtes Lernen
2.1.3 Teilüberwachtes Lernen
2.1.4 Verstärkendes Lernen
2.1.5 Passives Lernen
2.1.6 Aktives Lernen
2.1.7 Tutorielles Lernen
2.1.8 Träges Lernen
2.1.9 Eifriges Lernen
2.1.10 ML-Methoden und -Ansätze
2.2 Künstliche Intelligenz
2.2.1 Symbolische KI
2.2.2 Neuronale KI
2.2.3 Simulationsmethodenbasierte KI
2.2.4 Phänomenologiemethodenbasierte KI
2.2.5 Schwache KI
2.2.6 Starke KI
2.2.7 Heuristikbasierte KI
2.2.8 KI-Methoden und -Ansätze
3 Anwendungsbereiche für das Maschinelle Lernen
3.1 Energie
3.1.1 Smart Grid
3.1.2 Ausbau und Maintenance
3.1.3 Verwaltung
3.1.4 Prognose und Analyse
3.2 Gesundheit
3.2.1 Prognosen und Erkennung
3.2.2 Pharma
3.2.3 Psychologie
3.3 Öffentlicher Sektor
3.3.1 Recht und Ordnung
3.3.2 Organisation und Management
3.3.3 Bildung
3.4 Mobilität
3.4.1 Luftfahrt
3.4.1.1 Flugbuchung
3.4.1.2 Flughafen
3.4.1.3 Flugzeug
3.4.2 Fahrzeug
3.4.3 Automotive
3.4.4 Logistik und Transport
3.5 Alltag und Entertainment
3.5.1 Alltag
3.5.2 Gaming
3.5.3 E-Commerce
3.6 Produktfertigung
3.6.1 Betrieb
3.6.2 Wartung
3.7 Finanzen, IT und Software-Engineering
3.7.1 Prämien
3.7.2 Entwicklung
4 Auswahlmethodik von ML-Tools
4.1 Unternehmensorientierte ML-Tool-Auswahl
4.2 Projektorientierte ML-Systementwicklung
4.3 Algorithmische Verfügbarkeit
4.4 Ebenen einer ML-Auswahlmethodik
4.5 Vorgehensmodell zum Einsatz des ML-Auswahltools
5 Marktübersicht
5.1 Vorgehen zur Identifikation von Tools
5.2 Toolübersicht
5.3 ML-Tools im Detail
5.4 Heuristische Tools im Detail
5.5 Genetische Tools im Detail
6 Resümee
Literaturverzeichnis
Leere Seite
Leere Seite.