Machine Learning kompakt: Ein Einstieg für Studierende der Naturwissenschaften (Repost)

Dieses essential befasst sich mit Anwendungen des maschinellen Lernens in verschiedenen Bereichen der Naturwissenschaften. Es behandelt geläufige Strukturen und Algorithmen, um Daten mit den Techniken des maschinellen Lernens zu analysieren. Zunächst werden Methoden eingeführt, die an klassischen statistischen Analysen andocken und auf soliderem mathematischem Fundament stehen. Die Autoren machen mit den verschiedenen Strukturen für künstliche neuronale Netzwerke vertraut und zeigen die jeweiligen Anwendungsgebiete.
Der Inhalt

Maschinelles Lernen ohne neuronale Netzwerke
Überwachtes und unüberwachtes Lernen
Interpretierbarkeit von neuronalen Netzwerken
Die Zielgruppen

Studierende und Dozierende aus den Bereichen Mathematik, Physik, Biologie, Medizin und verwandten Naturwissenschaften
Wissenschaftlerinnen und Wissenschaftler
Die Autoren

Kenny Choo ist Doktorand am Physik-Institut der Universität Zürich.

Eliska Greplova ist Assistenz-Professorin für Quanten-Nanowissenschaften an der Technischen Universität Delft.

Mark H. Fischer ist Oberassistent am Physik-Institut der Universität Zürich.
Titus Neupert ist Professor für theoretische Physik an der Universität Zürich.