Andere Kunden interessierten sich auch für
![Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn]( "Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn")
Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn49,99 €![Data Science mit Python]( "Data Science mit Python")
Data Science mit Python19,99 €![PySpark Recipes]( "PySpark Recipes")
PySpark Recipes44,99 €![Neuronale Netze und Deep Learning kapieren]( "Neuronale Netze und Deep Learning kapieren")
Neuronale Netze und Deep Learning kapieren29,99 €![Data Science and Predictive Analytics]( "Data Science and Predictive Analytics")
Data Science and Predictive Analytics46,99 €![Data Teams]( "Data Teams")
Data Teams33,99 €
Datenanalyse mit ausgereiften statistischen Modellen des Machine LearningsAnwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, TensorFlow, Matplotlib, Pandas und KerasBest Practices zur Optimierung Ihrer Machine-Learning-Algorithmen
Machine Learning und Predictive Analytics verändern die Arbeitsweise von Unternehmen grundlegend. Die Fähigkeit, in komplexen Daten Trends und Muster zu erkennen, ist heutzutage für den langfristigen geschäftlichen Erfolg ausschlaggebend und entwickelt sich zu einer der entscheidenden Wachstumsstrategien.
Die zweite Auflage dieses Buchs berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dies betrifft insbesondere die neuesten Open-Source-Bibliotheken wie Scikit-learn, Keras und TensorFlow.
Python zählt zu den führenden Programmiersprachen in den Bereichen Machine Learning, Data Science und Deep Learning und ist besonders gut dazu geeignet, grundlegende Erkenntnisse aus Ihren Daten zu gewinnen sowie ausgefeilte Algorithmen und statistische Modelle auszuarbeiten, die neue Einsichten liefern und wichtige Fragen beantworten.
Die Autoren erläutern umfassend den Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür behandeln sie in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Sie lernen detailliert, wie Sie Python für maschinelle Lernverfahren einsetzen und dabei eine Vielzahl von statistischen Modellen verwenden.
Aus dem Inhalt:Trainieren von Lernalgorithmen für die KlassifizierungRegressionsanalysen zum Prognostizieren von ErgebnissenClusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren DatenDeep-Learning-Verfahren zur BilderkennungOptimale Organisation Ihrer Daten durch effektive Verfahren zur VorverarbeitungDatenkomprimierung durch DimensionsreduktionTraining Neuronaler Netze mit TensorFlowKombination verschiedener Modelle für das Ensemble LearningEinbettung eines Machine-Learning-Modells in eine WebanwendungStimmungsanalyse in Social NetworksModellierung sequenzieller Daten durch rekurrente Neuronale Netze
Machine Learning und Predictive Analytics verändern die Arbeitsweise von Unternehmen grundlegend. Die Fähigkeit, in komplexen Daten Trends und Muster zu erkennen, ist heutzutage für den langfristigen geschäftlichen Erfolg ausschlaggebend und entwickelt sich zu einer der entscheidenden Wachstumsstrategien.
Die zweite Auflage dieses Buchs berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dies betrifft insbesondere die neuesten Open-Source-Bibliotheken wie Scikit-learn, Keras und TensorFlow.
Python zählt zu den führenden Programmiersprachen in den Bereichen Machine Learning, Data Science und Deep Learning und ist besonders gut dazu geeignet, grundlegende Erkenntnisse aus Ihren Daten zu gewinnen sowie ausgefeilte Algorithmen und statistische Modelle auszuarbeiten, die neue Einsichten liefern und wichtige Fragen beantworten.
Die Autoren erläutern umfassend den Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür behandeln sie in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Sie lernen detailliert, wie Sie Python für maschinelle Lernverfahren einsetzen und dabei eine Vielzahl von statistischen Modellen verwenden.
Aus dem Inhalt:Trainieren von Lernalgorithmen für die KlassifizierungRegressionsanalysen zum Prognostizieren von ErgebnissenClusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren DatenDeep-Learning-Verfahren zur BilderkennungOptimale Organisation Ihrer Daten durch effektive Verfahren zur VorverarbeitungDatenkomprimierung durch DimensionsreduktionTraining Neuronaler Netze mit TensorFlowKombination verschiedener Modelle für das Ensemble LearningEinbettung eines Machine-Learning-Modells in eine WebanwendungStimmungsanalyse in Social NetworksModellierung sequenzieller Daten durch rekurrente Neuronale Netze