Jörg Frochte Boeken

Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt: - Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet und der Hintergrund geliefert, um zu verstehen, wie und warum diese Algorithmen funktionieren. - Ebenfalls enthalten ist ein kompakter Kickstart zur Verwendung von Python 3 (in Python programmieren) und seinem Ökosystem im Umfeld des maschinellen Lernens. - Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt. - Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen. - Es werden verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens besprochen, u. a. Random Forest, DBSCAN und Q-Learning. Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt. Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis.

Finite-Elemente-Methode mit GNU Octave/MATLAB – das anwendungsorientierte Lehrbuch Selbst programmieren und verstehen -- nach diesem Prinzip führt das Lehrbuch an die Finite-Elemente-Methode (FEM) heran. Die FEM und deren Einsatz sind wichtige Bestandteile der Ingenieur- und Naturwissenschaften. Anhand von zahlreichen Beispielen aus der Praxis lernen die Leser die Methode und ihre Implementierung kennen und anwenden. Die mathematischen Zusammenhänge werden auf das Notwendigste beschränkt. Die Beispiele werden mit GNU Octave und MATLAB umgesetzt. Aus dem Inhalt: - Modellbildung mit partiellen Differentialgleichungen - Einführung in die Finite-Elemente-Methode in einer und mehreren Dimensionen für elliptische partielle Differentialgleichungen - Nutzung von Vektorisierung und Mex-Files für eine effiziente Implementierung - Konvektionsdominierte Gleichungen - Fehlerschätzer und Gitteranpassung - Behandlung zeitabhängiger, parabolischer Differentialgleichungen - Finite-Elemente-Methode in zahlreichen Praxisbeispielen, u. a. aus Elektro- und Magnetostatik, Wärmeleitung und Populationsmodellen Dieses Lehrbuch bietet einen praxisnahen und anwendungsorientierten Einstieg in die Finite-Elemente-Methode anhand von GNU Octave und MATLAB und eignet sich daher für Studierende der Ingenieurwissenschaften, Naturwissenschaften sowie Ingenieure in der Praxis. .