portada Analyse der Weinqualität mit künstlicher Intelligenz und maschinellem Lernen (en Alemán)

Analyse der Weinqualität mit künstlicher Intelligenz und maschinellem Lernen (en Alemán)

Formato

Libro Físico

Autor

Editorial

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.6 cm

Peso

0.15 kg.

ISBN13

9786206404521

Categorías

Consejos sobre carreras profesionales y cómo alcanzar el éxito

Analyse der Weinqualität mit künstlicher Intelligenz und maschinellem Lernen (en Alemán)

Neha Sharma (Autor) · Anita Mahajan (Autor) · Pankaj Agarkar (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo Importado

Envío: 25 a 32 días háb.

$ 113.64$ 62.50

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 62.50

Llega entre el 29 Sep y el 13 Oct a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Analyse der Weinqualität mit künstlicher Intelligenz und maschinellem Lernen (en Alemán)"

Die Weinqualität ist sowohl für die Verbraucher als auch für die Weinindustrie wichtig. Die herkömmliche Methode (durch einen erfahrenen Weintester) zur Messung der Weinqualität kann teuer und zeitaufwändig sein. Heutzutage sind maschinelle Lernmodelle die wichtigsten Werkzeuge, um menschliches Eingreifen zu ersetzen. Als Teilbereich der künstlichen Intelligenz (KI) zielt maschinelles Lernen (ML) darauf ab, die Struktur der Daten zu verstehen und sie in Modelle einzupassen, die später auf unbekannte Daten angewendet werden können, um die gewünschte Aufgabe zu erfüllen. Maschinelles Lernen wird in verschiedenen Bereichen wie der Wirtschaft, der Medizin und der Astrophysik häufig eingesetzt, um nur einige und viele andere wissenschaftliche Probleme zu nennen. Inspiriert durch den Erfolg der künstlichen Intelligenz in verschiedenen Sektoren können wir sie für die Vorhersage der Weinqualität auf der Grundlage verschiedener physikalisch-chemischer Eigenschaften des Weins nutzen. Unter verschiedenen Methoden des maschinellen Lernens analysieren wir die Leistung der Ensemble-ML-Methoden Extremely Randomized Trees (Extra Trees), Extreme Gradient Boosting (XG Boost) und Light Gradient-Boosting Machine (Light GBM). Diese Arbeit zeigt, wie mithilfe der statistischen Datenanalyse die Komponenten identifiziert werden können, die die Weinqualität vor der Produktion hauptsächlich steuern.