Hier findest du eine Übersicht über meine Beiträge zum Thema Machine Learning. Möchtest du alle Beiträge durcharbeiten, so empfehle ich die folgende Reihenfolge:
- Machine Learning Einführung – Was ist eigentlich Machine Learning?
- Machine Learning Workflow – 6 Schritte zur Lösung eines Machine Learning Problems
- Supervised Learning – Lernen mit gelabelten Daten
- Unsupervised Learning – Ein Überblick über Modelle und Anwendungen
- Reinforcement Learning – Lernen durch Belohnung
- Lineare Regression – Ein einfaches Machine Learning Modell
- Gradient Descent - Ein numerisches,iteratives Verfahren zur Lösung eines Minimierungsproblems
- Neuronale Netze III – Die Bedeutung von Aktivierungsfunktionen
Wenn du Interesse an einer PDF-Version meiner Beiträge hast, schaue einmal hier vorbei.
Meine letzten Machine Learning Beiträge
-
Neuronale Netze III – Die Bedeutung von Aktivierungsfunktionen
In diesem Artikel gehe ich einmal genauer auf die Bedeutung von Aktivierungsfunktionen in einem neuronalen Netzwerk ein. Wie bereits in meinem ersten Video (Artikel folgt) zu neuronalen Netzen erläutert, dient die Aktivierungsfunktion unter anderem dazu, ein nicht lineares Modell auf Basis des neuronalen Netzwerks zu erzeugen. Alle anderen Operationen in einem neuronalen Netzwerk sind nämlich…
-
Gradient Descent – Ein numerisches, iteratives Verfahren zur Lösung eines Minimierungsproblems
Das Gradient Descent Verfahren ist ein numerisches, iteratives Verfahren, um das lokale Minimum (oder Maximum) einer differenzierbaren Funktion zu finden. Die Idee hinter dem Verfahren ist, wiederholte Schritte in die entgegengesetzte Richtung des Gradienten (oder des approximierten Gradienten) der Funktion am aktuell betrachteten Punkt zu machen. Somit nähert man sich, bei korrekt gewählter Schrittweite, automatisch…
-
Lineare Regression – Ein einfaches Machine Learning Modell
Die lineare Regression gehört zum Supervised Learning und dort im Speziellen zur Unterkategorie Regression. Das heißt, zur Anwendung der linearen Regression werden gelabelte Daten benötigt und der Output der linearen Regression ist ein numerischer Wert. Die lineare Regression beruht auf der Grundidee, den Zusammenhang zwischen den bekannten Features und der zu prädizierenden Variable durch eine…