Andere Kunden interessierten sich auch für
![Deep Learning - Grundlagen und Implementierung]( "Deep Learning - Grundlagen und Implementierung")
Deep Learning - Grundlagen und Implementierung32,90 €![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 TensorFlow49,90 €![Praxisbuch Unsupervised Learning]( "Praxisbuch Unsupervised Learning")
Praxisbuch Unsupervised Learning39,90 €![Machine Learning für Softwareentwickler]( "Machine Learning für Softwareentwickler")
Machine Learning für Softwareentwickler34,90 €![Machine Learning Kochbuch]( "Machine Learning Kochbuch")
Machine Learning Kochbuch36,90 €![Generatives Deep Learning]( "Generatives Deep Learning")
Generatives Deep Learning39,90 €![PyTorch für Deep Learning]( "PyTorch für Deep Learning")
PyTorch für Deep Learning34,90 €
Machine Learning erreicht heute beinahe alle Bereiche der Technik und der Gesellschaft. Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des maschinellen Lernens und der statistischen Datenanalyse. Dabei werden folgende Themen behandelt und mit praktischen Beispielen illustriert:
- Datenimport und -vorbereitung
- Supervised Learning
- Feature-Auswahl
- Modellvalidierung
- Neuronale Netze und Deep Learning
Anhand von konkreten Datensätzen lernen Sie einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. Die Codebeispiele basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras.
Nach der Lektüre dieses Buchs haben Sie einen Überblick über das gesamte Thema und können Ansätze einordnen und bewerten. Das Buch vermittelt Ihnen eine solide Grundlage, um Ihre ersten eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen.
- Datenimport und -vorbereitung
- Supervised Learning
- Feature-Auswahl
- Modellvalidierung
- Neuronale Netze und Deep Learning
Anhand von konkreten Datensätzen lernen Sie einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. Die Codebeispiele basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras.
Nach der Lektüre dieses Buchs haben Sie einen Überblick über das gesamte Thema und können Ansätze einordnen und bewerten. Das Buch vermittelt Ihnen eine solide Grundlage, um Ihre ersten eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen.