4.1 Vier Teilgebiete des Machine Learnings4.1.1 Überwachtes Lernen4.1.2 Unüberwachtes Lernen4.1.3 Selbstüberwachtes Lernen4.1.4 Verstärkendes Lernen4.1.5 Glossar: Klassifizierung und Regression4.2 Bewertung von Machine-Learning-Modellen4.2.1 Trainings-, Validierungs- und Testmengen4.2.2 Worauf zu achten ist4.3 Datenvorverarbeitung, Merkmalserstellung und Erlernen von Merkmalen4.3.1 Datenvorverarbeitung für NNs4.3.2 Merkmalserstellung4.4 Überanpassung und Unteranpassung4.4.1 Das NN verkleinern4.4.2 Regularisierung der Gewichtungen4.4.3 Dropout-Regularisierung4.5 Ein allgemeiner Machine-Learning-Workflow4.5.1 Definition der Aufgabe und Zusammenstellen einer Datenmenge4.5.2 Auswahl eines Erfolgskriteriums4.5.3 Auswahl einer Bewertungsmethode4.5.4 Daten vorbereiten4.5.5 Entwicklung eines Modells, das besser funktioniert als zufälliges Raten4.5.6 Hochskalieren: Entwicklung eines Modells mit Überanpassung4.5.7 Regularisierung des Modells und Abstimmung der Hyperparameter4.6 Zusammenfassung Kapitel 4