Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional)
Kurzinformation
inkl. MwSt. Versandinformationen
Artikel zZt. nicht lieferbar
Artikel zZt. nicht lieferbar

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
Sebastian Raschka verfügt über jahrelange Erfahrung in der Python-Programmierung und leitete mehrere Seminare über praktische Data-Science-Anwendungen, Machine Learning und Deep Learning u.a. auf der SciPy-Konferenz. Vahid Mirjalili erforscht Anwendungen des Machine Learnings in verschiedenen Computer-Vision-Projekten (»maschinelles Sehen«) am Fachbereich für Informatik und Ingenieurswesen an der Michigan State University.
- Kartoniert
- 362 Seiten
- Erschienen 2017
- O'Reilly
- Kartoniert
- 883 Seiten
- Erschienen 2018
- mitp
- Kartoniert
- 384 Seiten
- Erschienen 2016
- O'Reilly Media
- Hardcover
- 774 Seiten
- Erschienen 2022
- Packt Publishing
- Kartoniert
- 235 Seiten
- Erschienen 2020
- O'Reilly
- paperback
- 315 Seiten
- Erschienen 2026
- Rheinwerk Computing
- Kartoniert
- 522 Seiten
- Erschienen 2018
- O'Reilly
- Kartoniert
- 250 Seiten
- Erschienen 2019
- O'Reilly
- Klappenbroschur
- 479 Seiten
- Erschienen 2020
- Rheinwerk Computing
- Kartoniert
- 265 Seiten
- Erschienen 2022
- O'Reilly




