Supervised and Unsupervised Learning for Data Science

Das Buch "Supervised and Unsupervised Learning for Data Science" bietet eine umfassende Übersicht über moderne Lernalgorithmen, einschliesslich semi-supervisierter Methoden, die eine breite Palette von Clustering- und Klassifikationslösungen für Big-Data-Anwendungen abdecken. Es enthält Fallstudien und bewährte Praktiken sowie theoretische Modelle des Lernens, die als wertvolle Referenz für Fachleute und Studierende dienen. Die acht Kapitel des Buches behandeln zentrale Themen wie Diskretisierung, Merkmalsextraktion und -auswahl, Klassifikation, Clustering, Themenmodellierung, Graphanalyse und deren Anwendungen. Dieses Werk ist besonders nützlich für Praktiker und Graduierte, die sich mit aktuellen und zukünftigen Forschungsfragen auseinandersetzen, sowie für Lehrende, die moderne Ansätze des unsupervised und semi-supervised Lernens in Seminarveranstaltungen auf Graduiertenebene präsentieren möchten. Die Inhalte basieren auf ausgewählten, erweiterten Beiträgen der vierten Internationalen Konferenz über Soft Computing in Data Science (2018).