Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional)
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
Das Buch "Machine Learning mit Python und Scikit-Learn und TensorFlow" von Vahid Mirjalili bietet eine umfassende Einführung in die Welt des maschinellen Lernens mit einem starken Fokus auf praktische Anwendungen. Es richtet sich an Leser, die ein tiefes Verständnis für Data Science, Predictive Analytics und Deep Learning entwickeln möchten. Das Werk behandelt wichtige Konzepte und Techniken des maschinellen Lernens und zeigt, wie diese mithilfe der beliebten Bibliotheken Scikit-Learn und TensorFlow in Python implementiert werden können. Der Autor führt die Leser schrittweise durch den gesamten Prozess eines Machine-Learning-Projekts - von der Datenvorbereitung über die Modellierung bis hin zur Evaluierung und Optimierung von Modellen. Dabei werden sowohl grundlegende Algorithmen als auch fortgeschrittene Themen wie neuronale Netze und Deep Learning behandelt. Zahlreiche Praxisbeispiele und Übungen helfen dabei, das Gelernte direkt anzuwenden und zu vertiefen. Insgesamt ist das Buch ein wertvoller Leitfaden für angehende Data Scientists sowie erfahrene Praktiker, die ihre Kenntnisse im Bereich Machine Learning erweitern oder auffrischen möchten.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Hardcover
- 622 Seiten
- Erschienen 2017
- Packt Publishing
- Kartoniert
- 235 Seiten
- Erschienen 2021
- O'Reilly
- Kartoniert
- 360 Seiten
- Erschienen 2018
- Manning
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- Kartoniert
- 576 Seiten
- Erschienen 2021
- Springer
- perfect
- 648 Seiten
- Erschienen 2015
- mitp
- Gebunden
- 402 Seiten
- Erschienen 2021
- Carl Hanser Verlag GmbH & C...
- Gebunden
- 738 Seiten
- Erschienen 2011
- Springer
- paperback
- 697 Seiten
- Erschienen 2021
- Springer



