Empirical Approach to Machine Learning (Studies in Computational Intelligence, 800, Band 800)
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
"Empirical Approach to Machine Learning" von Angelov ist ein umfassendes Werk, das sich mit praktischen Methoden und Techniken des maschinellen Lernens beschäftigt. Das Buch gehört zur Reihe "Studies in Computational Intelligence" und bietet einen fundierten Überblick über empirische Ansätze im Bereich des maschinellen Lernens. Es behandelt sowohl theoretische Grundlagen als auch praktische Anwendungen und richtet sich an Leser, die ein tieferes Verständnis für die Entwicklung und Implementierung von ML-Modellen erlangen möchten. Der Autor legt besonderen Wert auf die Anwendung von Datenanalyse-Methoden und die Entwicklung adaptiver Algorithmen, um reale Probleme effektiv zu lösen. Durch zahlreiche Fallstudien und Beispiele aus verschiedenen Anwendungsbereichen wird der Inhalt anschaulich vermittelt.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- paperback
- 264 Seiten
- Erschienen 2016
- Springer
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- Gebunden
- 197 Seiten
- Erschienen 2012
- Springer
- hardcover
- 542 Seiten
- Erschienen 2022
- Springer
- Gebunden
- 347 Seiten
- Erschienen 2017
- Springer
- Gebunden
- 1157 Seiten
- Erschienen 2018
- Springer
- Gebunden
- 256 Seiten
- Erschienen 2013
- Springer
- Gebunden
- 392 Seiten
- Erschienen 2010
- Springer
- Gebunden
- 268 Seiten
- Erschienen 2012
- Springer
- Gebunden
- 199 Seiten
- Erschienen 2017
- Springer
- Gebunden
- 718 Seiten
- Erschienen 2017
- Springer
- Gebunden
- 380 Seiten
- Erschienen 2008
- Springer
- paperback
- 244 Seiten
- Erschienen 2021
- Springer
- Gebunden
- 471 Seiten
- Erschienen 2013
- Springer
- Gebunden
- 211 Seiten
- Erschienen 2016
- Springer
- Kartoniert
- 675 Seiten
- Erschienen 2018
- Springer



