Machine Learning und Neuronale Netze: Der verständliche Einstieg mit Python
Data Science ist eine der Schlüsseltechnologien des 21. Jahrhunderts. In diesem Buch lernen Sie die Grundlagen dazu. Es richtet sich an alle, die diesen Schritt gehen wollen, an Wirtschaftswissenschaftler aus Theorie und Praxis, Softwareentwickler wie auch Programmiereinsteiger.
Das Buch bietet eine fundierte Einführung in Machine Learning und Neuronale Netze in Python. Es werden alle notwendigen Grundlagen erklärt, notwendiges mathematisches Hintergrundwissen wiederholt und ein Crash Kurs in Python gegeben, so dass man auch ohne Vorkenntnisse dieses Buch nutzen kann. Daraufhin werden anhand von vielen Praxisbeispielen die bekanntesten Machine Learning Algorithmen theoretisch und praktisch erklärt. Ein großes Kapitel widmet sich dem Deep Learning, den Aufbau von neuronalen Netzen, den Algorithmen, die in der Praxis immer mehr Anwendung finden.
Das Buch im Überblick:
Inhalte: Einführung in Data Science, Mathematik und PythonDatenaufbereitung in PythonData Science mit ScipyRegressionsmodelle mit Scikit-LearnBaumverfahrenSupport Vector MachinesUnsupervised Modelle wie ClusteringAufbau von Data Science ModellenDeep Learning / Neuronale Netze mit TensorFlow2 und Keras
VorteileEinfache, anschauliche Einführung in grundlegende bis fortgeschrittene Themen der Datenanalyse und des Machine LearningsPraktische Beispiele mit ausführlichen ErklärungenVorstellung verschiedener Modelle, Data Science Ansätzen, gängiger Bibliotheken und Online-RessourcenÜbersicht über Pythons vielfältige Anwendungsmöglichkeiten im Machine LearningLösungen für spezifische Aufgaben mithilfe von effizienten Algorithmen findenAlle Codebeispiele stehen als kostenloser Download zum selbstständigen Ausprobieren bereitkostenfrei als eBook herunterladen
Dieses Buch bietet Ihnen einen umfassenden Einstieg in Data Science mit Python!
Data Science ist eine der Schlüsseltechnologien des 21. Jahrhunderts. In diesem Buch lernen Sie die Grundlagen dazu. Es richtet sich an alle, die diesen Schritt gehen wollen, an Wirtschaftswissenschaftler aus Theorie und Praxis, Softwareentwickler wie auch Programmiereinsteiger.
Das Buch bietet eine fundierte Einführung in Machine Learning und Neuronale Netze in Python. Es werden alle notwendigen Grundlagen erklärt, notwendiges mathematisches Hintergrundwissen wiederholt und ein Crash Kurs in Python gegeben, so dass man auch ohne Vorkenntnisse dieses Buch nutzen kann. Daraufhin werden anhand von vielen Praxisbeispielen die bekanntesten Machine Learning Algorithmen theoretisch und praktisch erklärt. Ein großes Kapitel widmet sich dem Deep Learning, den Aufbau von neuronalen Netzen, den Algorithmen, die in der Praxis immer mehr Anwendung finden.
Das Buch im Überblick:
Inhalte: Einführung in Data Science, Mathematik und PythonDatenaufbereitung in PythonData Science mit ScipyRegressionsmodelle mit Scikit-LearnBaumverfahrenSupport Vector MachinesUnsupervised Modelle wie ClusteringAufbau von Data Science ModellenDeep Learning / Neuronale Netze mit TensorFlow2 und Keras
VorteileEinfache, anschauliche Einführung in grundlegende bis fortgeschrittene Themen der Datenanalyse und des Machine LearningsPraktische Beispiele mit ausführlichen ErklärungenVorstellung verschiedener Modelle, Data Science Ansätzen, gängiger Bibliotheken und Online-RessourcenÜbersicht über Pythons vielfältige Anwendungsmöglichkeiten im Machine LearningLösungen für spezifische Aufgaben mithilfe von effizienten Algorithmen findenAlle Codebeispiele stehen als kostenloser Download zum selbstständigen Ausprobieren bereitkostenfrei als eBook herunterladen
Dieses Buch bietet Ihnen einen umfassenden Einstieg in Data Science mit Python!