Book description
Sie wollen wissen, wie Rankings, Produktempfehlungen, Social Bookmarking und Online-Partnerbörsen technisch funktionieren? Dieses außergewöhnliche Buch zeigt Ihnen, wie Sie Web 2.0-Applikationen bauen, mit denen Sie die riesigen Datenmengen durchsuchen und analysieren können, die von den Benutzern aktueller Webanwendungen täglich erzeugt werden. Es nimmt Sie mit in die Welt des maschinellen Lernens und der Statistik und erklärt, wie Sie Schlussfolgerungen aus User Experience, persönlichen Vorlieben und menschlichem Verhalten ziehen.
User-Daten und UGC für Ihre Web 2.0-Apps nutzen:
Dieses Buch erläutert anschaulich, wie aus User Generated Content mit den richtigen Algorithmen "kollektive Intelligenz" destilliert werden kann und wie Sie daraus einen echten Mehrwert für Ihre Web 2.0-Anwendungen generieren. Mit den ausgereiften Algorithmen in diesem Buch können Sie raffinierte Programme schreiben, die Sie direkt für Ihre Website-Projekte nutzen können.
Die Faszination der Algorithmen entdecken:
Toby Segaran geht ganz praktisch an das spannende, aber komplexe Thema heran. Er zeigt an leicht verständlichen Beispielen, wie die Algorithmen zum maschinellen Lernen funktionieren. Er erklärt beispielsweise:
kollaborative Filtertechniken, die es Online-Händlern erlauben, Produkte oder Medien zu empfehlen
Cluster-Methoden, die Gruppen ähnlicher Objekte in einem größeren Datenbestand entdecken
Optimierungs-Algorithmen, die Millionen von möglichen Lösungen eines Problems durchsuchen und die beste auswählen
Bayes'sches Filtern, das in Spam-Filtern zum Klassifizieren von Dokumenten genutzt wird
Support-Vektor-Maschinen, die Personen in Online-Dating-Sites zusammenzubringen
Jeder Algorithmus ist kurz und prägnant durch gut nachvollziehbaren Python-Code beschrieben. Der Bezug zu realen Sites wie Facebook, ebay oder del.icio.us sowie zahlreiche Übungen machen Lust auf mehr, wecken den Spiel- und Experimentiertrieb - und zeigen Ihnen viele neue Techniken, mit denen Sie Ihre Web 2.0-Website noch interessanter machen.
Table of contents
-
Kollektive Intelligenz analysieren, programmieren und nutzen
- Einleitung
- 1. Einführung in die kollektive Intelligenz
- 2. Empfehlungen geben
- 3. Gruppen bilden
- 4. Suchen und Bewerten
- 5. Optimierung
- 6. Dokumente filtern
-
7. Modellieren mit Entscheidungsbäumen
- Anmeldungen vorhersagen
- Entscheidungsbäume
- Trainieren des Baums
- Die beste Aufteilung wählen
- Rekursiver Aufbau des Baums
- Anzeigen des Baums
- Klassifikation neuer Beobachtungen
- Zurechtstutzen des Baums
- Umgang mit fehlenden Daten
- Umgang mit numerischen Ergebnissen
- Modellieren von Immobilienpreisen
- Modellieren der »Hotness«
- Wann nutzt man Entscheidungsbäume?
- Übungen
- 8. Aufbauen von Preismodellen
- 9. Komplexe Klassifikation: Kernel-Methoden und SVMs
- 10. Unabhängige Merkmale finden
- 11. Entwickeln von Intelligenz
- 12. Zusammenfassung der Algorithmen
- A. Fremdbibliotheken
- B. Mathematische Formeln
- Über den Übersetzer
- Kolophon
Product information
- Title: Kollektive Intelligenz analysieren, programmieren und nutzen
- Author(s):
- Release date: February 2008
- Publisher(s): O'Reilly Verlag
- ISBN: 9783897217805
You might also like
book
Deep Learning mit Python und Keras - Das Praxis-Handbuch vom Entwickler der Keras-Bibliothek
Einführung in die grundlegenden Konzepte von Machine Learning und Deep Learning Zahlreiche praktische Anwendungsbeispiele zum Lösen …
book
Machine Learning – kurz & gut
Machine Learning erreicht beinahe alle Bereiche der Technik und der Gesellschaft. In diesem Buch bekommen Sie …
video
Python Fundamentals
51+ hours of video instruction. Overview The professional programmer’s Deitel® video guide to Python development with …
book
Algorithmen und Datenstrukturen, 5th Edition
Solides Lehrbuch - grundlegend und umfassend * Java als Implementierungssprache, unter Berücksichtigung der Spezifika von Java …