(openPR) Ziel dieser Einführung in das Maschinelle Lernen ist es, Leserinnen und Leser mit grundlegenden Themen wie Klassifikationsbäumen, Bayes’schem Lernen, Neuronalen Netzen und Deep Learning vertraut zu machen. Besondere Aufmerksamkeit widmen die einzelnen Beiträge der Anwendung und Interpretation dieser Methoden in der Praxis, wobei mathematisch-algorithmischen Details weitgehend vermieden werden.
Das Buch enthält mehrere detaillierte Fallstudien, die auf realen Industrieprojekten basieren. Diese decken ein breites Spektrum technischer Anwendungen ab, von Fahrzeugbau über Prozess- und Werkstofftechnik bis hin zur Optimierung von Produktionsprozessen durch Bildanalysen. Konkret gesagt: Es geht zum Beispiel um die Verformung von Kabelbündeln, das Detektieren von Rissen in Beton, um Betrugserkennung im Pflegebereich durch automatisiertes Auswerten von Abrechnungen oder um die Vorhersage von Durchbruchskurven in reaktiven porösen Medien.
Insgesamt liegt der Schwerpunkt des Buches auf den grundlegenden Ideen, der praktischen Anwendbarkeit und den Herausforderungen des Maschinellen Lernens in Industrie und Wissenschaft. Mit nur sehr grundlegenden Kenntnissen in Statistik als Voraussetzung ist dieses Buch eine wertvolle Lektüre für alle, die sich in die Welt des Maschinellen Lernens einarbeiten möchten.
Im Interviews fasst Prof. Dr. Jürgen Franke die Besonderheit des Buchs zusammen.
Unser Buch richtet sich an Personen aus den Natur- oder Ingenieurwissenschaften in der Praxis, die einen kurzen und gut verständlichen Überblick über Maschinelles Lernen und seinen Einsatz in realen Industrieprojekten bekommen möchten. Auch für Studierende der entsprechenden Disziplinen, die einen schnellen Einstieg in das Gebiet und einen Eindruck von realen Anwendungen erhalten möchten, ist es eine lohnenswerte Lektüre.
In natur- oder ingenieurwissenschaftlichen Berufen ist es nützlich, ein grundlegendes Verständnis dieser Verfahren zu haben – gerade auch zur reibungslosen Kommunikation mit Fachleuten, die unterstützend zur Lösung von Problemen hinzugezogen werden. Außerdem kann man mit dem nötigen Grundwissen besser beurteilen, wie viel Versprechen von Leuten wert sind, die einem ein fertiges Tool verkaufen möchten.
Die Kombination aus einer recht kurzen Einführung, die aber viele Methoden des Maschinellen Lernens beinhaltet und den Schwerpunkt auf die Interpretation der Ergebnisse und Grenzen der Anwendbarkeit legt, und einer Sammlung von realen Industriefallstudien, die ein breites Anwendungsspektrum abdeckt.
