Andere Kunden interessierten sich auch für
![Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow]( "Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow")
Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow54,90 €![Deep Learning - Grundlagen und Implementierung]( "Deep Learning - Grundlagen und Implementierung")
Deep Learning - Grundlagen und Implementierung32,90 €![Design Patterns für Machine Learning]( "Design Patterns für Machine Learning")
Design Patterns für Machine Learning44,90 €![PyTorch kompakt]( "PyTorch kompakt")
PyTorch kompakt29,90 €![PyTorch für Deep Learning]( "PyTorch für Deep Learning")
PyTorch für Deep Learning34,90 €![Einführung in TensorFlow]( "Einführung in TensorFlow")
Einführung in TensorFlow32,90 €![Praxisbuch Unsupervised Learning]( "Praxisbuch Unsupervised Learning")
Praxisbuch Unsupervised Learning39,90 €
Konzentriert sich auf Themen, die für den praktizierenden Machine-Learning-Anwender interessant sindEnthält eine große Anzahl wertvoller Codebeispiele für strukturierte Daten, die in der Praxis konkret weiterhelfenZeigt, wie verschiedene Bibliotheken zur Lösung praktischer Fragestellungen eingesetzt werden
Diese praktische Referenz bietet eine Sammlung von Methoden, Ressourcen und Codebeispielen zur Lösung gängiger Machine-Learning-Probleme bei der Auswertung strukturierter Daten. Matt Harrison hat einen wertvollen Leitfaden zusammengestellt, den Sie als Nachschlagewerk und zur Anregung nutzen können: für eigene Projekte oder als Begleitmaterial für Machine-Learning-Kurse.
Das Buch ist ideal für Data Scientists, Softwareentwickler und Datenanalysten, die Machine Learning praktisch anwenden. Es bietet einen Überblick über den kompletten Machine-Learning-Prozess und stellt Ihnen verschiedene Bibliotheken und Modelle mit ihren jeweiligen Vor- und Nachteilen und Anpassungsmöglichkeiten vor. Die Codebeispiele sind so kompakt und nachvollziehbar, dass Sie sie für Ihre eigenen Projekte verwenden und auch gut anpassen können.
Diese praktische Referenz bietet eine Sammlung von Methoden, Ressourcen und Codebeispielen zur Lösung gängiger Machine-Learning-Probleme bei der Auswertung strukturierter Daten. Matt Harrison hat einen wertvollen Leitfaden zusammengestellt, den Sie als Nachschlagewerk und zur Anregung nutzen können: für eigene Projekte oder als Begleitmaterial für Machine-Learning-Kurse.
Das Buch ist ideal für Data Scientists, Softwareentwickler und Datenanalysten, die Machine Learning praktisch anwenden. Es bietet einen Überblick über den kompletten Machine-Learning-Prozess und stellt Ihnen verschiedene Bibliotheken und Modelle mit ihren jeweiligen Vor- und Nachteilen und Anpassungsmöglichkeiten vor. Die Codebeispiele sind so kompakt und nachvollziehbar, dass Sie sie für Ihre eigenen Projekte verwenden und auch gut anpassen können.