Maschinelles Lernen (ML) ist ein Teilgebiet der künstlichen Intelligenz (KI), das es Computern ermöglicht, aus Trainingsdaten "selbst zu lernen" und sich im Laufe der Zeit zu verbessern, ohne explizit programmiert zu werden. Algorithmen des maschinellen Lernens sind in der Lage, Muster in Daten zu erkennen und daraus zu lernen, um ihre eigenen Vorhersagen zu treffen. Dieses Buch bietet eine Einführung in die wichtigsten Ansätze des maschinellen Lernens aus einer Hand. Es richtet sich an fortgeschrittene Studenten und Hochschulabsolventen sowie an Entwickler und Forscher auf diesem Gebiet. Es werden keine Vorkenntnisse in künstlicher Intelligenz oder Statistik vorausgesetzt.Real-World Machine Learning ist ein praktisches Handbuch, das Entwicklern die Kunst der Ausführung von ML-Projekten vermittelt. Ohne Sie mit akademischer Theorie und komplexer Mathematik zu überfrachten, führt es Sie in die tägliche Praxis des maschinellen Lernens ein und bereitet Sie darauf vor, erfolgreich leistungsstarke ML-Systeme zu entwickeln und einzusetzen.Der Inhalt dieses Buches richtet sich an Anfänger mit einigen Hintergrundkenntnissen der Datenwissenschaft, einschließlich klassischer Statistik und Computerprogrammierung.