Einführung in automatisiertes maschinelles Lernen (AutoML)

Maschinelles Lernen ohne Umschweife

Андрей Бурков

Meta-Lernen. Anwendung in AutoML und Data Science

Павел Браздил, Ян ван Рейн, Карлос Соарес, Хоакин Ваншорен

Bayessche Wahrnehmungs- und Handlungsmodelle. Ein moderner Blick auf die Funktionsprinzipien des Gehirns

Вэй Цзи Ма, Конрад Кёрдинг, Дэниел Голдрайх

Shalev-Shwartz S., Ben-David S. - Ideen des maschinellen Lernens: Von der Theorie zu Algorithmen - 2019

Maschinelles Lernen. Die Wissenschaft und Kunst, Algorithmen zu entwickeln, die Wissen aus Daten extrahieren.

Петер Флах (Peter Flach)

Maschinelles Lernen: Grundlagen, Algorithmen und praktische Anwendung

Джереми Уатт, Реза Борхани, Аггелос К. Катсаггелос

Maschinelles Lernen. Systemdesign von der Idee bis zur Umsetzung

Валерий Бабушкин, Арсений Кравченко

Pyomo. Optimierungsmodellierung mit Python

Майкл Л. Бинум, Габриэль А. Хакебейл, Уильям Э. Харт, Карл Д. Лэрд, Бетани Л. Николсон, Джон Д. Сиирола, Жан-Поль Уотсон, Дэвид Л. Вудраф

Deep Learning aus der Sicht eines Praktikers

Джош Паттерсон, Адам Гибсон

Maschinelles Lernen für Business und Marketing

Илья Кацов