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 €![Algorithmen und Datenstrukturen]( "Algorithmen und Datenstrukturen")
Algorithmen und Datenstrukturen49,99 €![Statistik mit R Schnelleinstieg]( "Statistik mit R Schnelleinstieg")
Statistik mit R Schnelleinstieg19,99 €![Machine Learning with Neural Networks]( "Machine Learning with Neural Networks")
Machine Learning with Neural Networks42,99 €![Einstieg in Ethical Hacking]( "Einstieg in Ethical Hacking")
Einstieg in Ethical Hacking29,99 €![Praxisbuch Infografik]( "Praxisbuch Infografik")
Praxisbuch Infografik34,99 €![Wireshark® 101]( "Wireshark® 101")
Wireshark® 10149,99 €
Nach der erfolgreichen visuellen Methode des YouTube-Kanals »StatQuest with Josh Starmer« mit über 900.000 AbonnentenBild für Bild lernen: vollständig illustrierter Guide zu den wichtigsten Machine-Learning-KonzeptenAlle Grundlagen von Statistik über Algorithmen bis hin zu neuronalen Netzen
Machine Learning ist ein mächtiges Werkzeug, kann aber auch unheimlich kompliziert erscheinen. Genau hier setzt dieses Buch an. Jedes Konzept wird anschaulich anhand von einfachen Bildern erläutert. Egal wie schwierig ein Machine-Learning-Algorithmus ist, der Autor zerlegt ihn in kleine, leicht verständliche Häppchen. So erhältst du ein grundlegendes Verständnis für die einzelnen Methoden, das über die bloßen Formeln hinausgeht.
Dieses Buch hat nicht zum Ziel, die Konzepte zu vereinfachen. Vielmehr bekommst du mit verständlichen und unterhaltsamen Erläuterungen alles Notwendige an die Hand, um ein grundlegendes und zugleich tiefes Verständnis für Machine Learning aufzubauen.
Das Buch setzt keine Vorkenntnisse voraus und erläutert alle Grundlagen Bild für Bild. Es zeigt dir, was Machine Learning ist und auf welchen Konzepten selbstfahrende Autos und Gesichtserkennung beruhen.
Aus dem Inhalt:Grundlegende Konzepte des Machine LearningsKlassifikation und KreuzvalidierungStatistik-GrundlagenLineare und logistische RegressionGradientenabstiegsverfahrenNaive BayesÜberanpassung vermeiden durch RegularisierungEntscheidungsbäumeSupport Vector Machines (SVMs)Neuronale Netze
Machine Learning ist ein mächtiges Werkzeug, kann aber auch unheimlich kompliziert erscheinen. Genau hier setzt dieses Buch an. Jedes Konzept wird anschaulich anhand von einfachen Bildern erläutert. Egal wie schwierig ein Machine-Learning-Algorithmus ist, der Autor zerlegt ihn in kleine, leicht verständliche Häppchen. So erhältst du ein grundlegendes Verständnis für die einzelnen Methoden, das über die bloßen Formeln hinausgeht.
Dieses Buch hat nicht zum Ziel, die Konzepte zu vereinfachen. Vielmehr bekommst du mit verständlichen und unterhaltsamen Erläuterungen alles Notwendige an die Hand, um ein grundlegendes und zugleich tiefes Verständnis für Machine Learning aufzubauen.
Das Buch setzt keine Vorkenntnisse voraus und erläutert alle Grundlagen Bild für Bild. Es zeigt dir, was Machine Learning ist und auf welchen Konzepten selbstfahrende Autos und Gesichtserkennung beruhen.
Aus dem Inhalt:Grundlegende Konzepte des Machine LearningsKlassifikation und KreuzvalidierungStatistik-GrundlagenLineare und logistische RegressionGradientenabstiegsverfahrenNaive BayesÜberanpassung vermeiden durch RegularisierungEntscheidungsbäumeSupport Vector Machines (SVMs)Neuronale Netze
»Der Leser erfährt, wie er die Modelle bewertet und was neuronale Netze sind - ein guter Einstieg ins Thema« (PC-Magazin, 06/23)
»Starmer erläutert sehr umsichtig und mit sehr vielen Illustrationen jedes Detail, dazu gibt es Hinweise auf Internet-Ergänzungen, die auf der englischen Webseite des Autors bereitgehalten werden.« (ekz-Bibliotheksservice, Dr. Martin A. Lobeck, 06/23)
»Starmer erläutert sehr umsichtig und mit sehr vielen Illustrationen jedes Detail, dazu gibt es Hinweise auf Internet-Ergänzungen, die auf der englischen Webseite des Autors bereitgehalten werden.« (ekz-Bibliotheksservice, Dr. Martin A. Lobeck, 06/23)