Andere Kunden interessierten sich auch für
![Maschinelles Lernen]( "Maschinelles Lernen")
Maschinelles Lernen72,95 €![Neuronale Netze mit C# programmieren]( "Neuronale Netze mit C# programmieren")
Neuronale Netze mit C# programmieren59,99 €![Einstieg in Deep Reinforcement Learning]( "Einstieg in Deep Reinforcement Learning")
Einstieg in Deep Reinforcement Learning39,99 €![Deep Learning]( "Deep Learning")
Deep Learning73,52 €![Artificial Intelligence]( "Artificial Intelligence")
Artificial Intelligence106,99 €![Maschinelles Lernen - Grundlagen und Anwendungen]( "Maschinelles Lernen - Grundlagen und Anwendungen")
Maschinelles Lernen - Grundlagen und Anwendungen39,99 €![Deep Natural Language Processing]( "Deep Natural Language Processing")
Deep Natural Language Processing39,99 €
- Grundlagen und Beispiele
- Daten visualisieren und analysieren
- Lernergebnisse bewerten und übertragen
- Mit vielen Beispielen in R zum Download unter plus.hanser-fachbuch.de
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches
Wie bringt man Computern das Lernen aus Daten bei?
Diese praxisorientierte Einführung vermittelt anhand zahlreicher Beispiele die Grundlagen des maschinellen Lernens mit R, H2O und Keras. Sie werden in die Lage versetzt, den jeweils zielführenden Ansatz auszuwählen und auf eigene Fragestellungen wie Bild-Klassifizierung oder Vorhersagen anzuwenden.
Da fehlerhafte Daten den Lernerfolg gefährden können, wird der Datenvorbereitung und -analyse besondere Aufmerksamkeit gewidmet. R stellt hierfür hochentwickelte und wissenschaftlich fundierte Analyse-Bibliotheken zur Verfügung, deren Funktionsweise und Anwendung gezeigt werden.
Sie erfahren, für welche Anwendungsfälle statistische Verfahren wie Regression, Klassifikation, Faktoren-, Cluster- und Zeitreihenanalyse ausreichen und wann Sie besser mit neuronalen Netzen wie z. B. CNNs oder RNNs arbeiten sollten. Hier kommen das Framework H20 sowie Keras zum Einsatz.
Anhand von Beispielen wird gezeigt, wie Sie Stolpersteine beim Lernvorgang analysieren oder von vornherein vermeiden können. Darüber hinaus erfahren Sie, unter welchen Umständen Sie die Ergebnisse des maschinellen Lernens weiterverwenden können und wie Sie dabei vorgehen.
- Daten visualisieren und analysieren
- Lernergebnisse bewerten und übertragen
- Mit vielen Beispielen in R zum Download unter plus.hanser-fachbuch.de
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches
Wie bringt man Computern das Lernen aus Daten bei?
Diese praxisorientierte Einführung vermittelt anhand zahlreicher Beispiele die Grundlagen des maschinellen Lernens mit R, H2O und Keras. Sie werden in die Lage versetzt, den jeweils zielführenden Ansatz auszuwählen und auf eigene Fragestellungen wie Bild-Klassifizierung oder Vorhersagen anzuwenden.
Da fehlerhafte Daten den Lernerfolg gefährden können, wird der Datenvorbereitung und -analyse besondere Aufmerksamkeit gewidmet. R stellt hierfür hochentwickelte und wissenschaftlich fundierte Analyse-Bibliotheken zur Verfügung, deren Funktionsweise und Anwendung gezeigt werden.
Sie erfahren, für welche Anwendungsfälle statistische Verfahren wie Regression, Klassifikation, Faktoren-, Cluster- und Zeitreihenanalyse ausreichen und wann Sie besser mit neuronalen Netzen wie z. B. CNNs oder RNNs arbeiten sollten. Hier kommen das Framework H20 sowie Keras zum Einsatz.
Anhand von Beispielen wird gezeigt, wie Sie Stolpersteine beim Lernvorgang analysieren oder von vornherein vermeiden können. Darüber hinaus erfahren Sie, unter welchen Umständen Sie die Ergebnisse des maschinellen Lernens weiterverwenden können und wie Sie dabei vorgehen.
"Diese praxisorientierte Einführung vermittelt anhand zahlreicher Beispiele die Grundlagen des maschinellen Lernens mit R, H2O und Keras. [...] Anhand von Beispielen wird gezeigt, sie Stolpersteine beim Lernvorgang analysiert oder von vorneherein vermieden werden können." SPS Magazin, Mai 2022