Merkmalskonstruktion für Machine Learning: Prinzipien und Techniken der Datenaufbereitung (Animals)
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
„Merkmalskonstruktion für Machine Learning: Prinzipien und Techniken der Datenaufbereitung (Animals)“ von Thomas Lotze ist ein Fachbuch, das sich mit der wichtigen Rolle der Merkmalskonstruktion im maschinellen Lernen beschäftigt. Es bietet eine umfassende Einführung in die Prinzipien und Techniken, die notwendig sind, um Rohdaten in aussagekräftige Merkmale zu transformieren, die von Machine-Learning-Algorithmen effektiv genutzt werden können. Das Buch behandelt verschiedene Strategien zur Datenaufbereitung und -transformation und zeigt auf, wie diese Prozesse die Leistung von Modellen verbessern können. Dabei wird sowohl auf theoretische Grundlagen als auch auf praktische Anwendungen eingegangen. Der Autor illustriert seine Konzepte anhand von Beispielen aus dem Bereich der Tierdatenanalyse („Animals“), was dem Leser hilft, die Methoden in einem konkreten Kontext zu verstehen. Ziel des Buches ist es, Praktikern und Forschern im Bereich des maschinellen Lernens Werkzeuge an die Hand zu geben, um bessere Vorhersagemodelle durch gezielte Merkmalskonstruktion zu entwickeln.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Kartoniert
- 379 Seiten
- Erschienen 2019
- O'Reilly
- Kartoniert
- 235 Seiten
- Erschienen 2021
- O'Reilly
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- paperback
- 264 Seiten
- Erschienen 2016
- Springer
- Kartoniert
- 362 Seiten
- Erschienen 2017
- O'Reilly
- Kartoniert
- 384 Seiten
- Erschienen 2016
- O'Reilly Media
- paperback
- 697 Seiten
- Erschienen 2021
- Springer
- Kartoniert
- 430 Seiten
- Erschienen 2023
- O'Reilly
- Gebunden
- 623 Seiten
- Erschienen 2022
- Carl Hanser Verlag GmbH & C...
- Kartoniert
- 576 Seiten
- Erschienen 2021
- Springer
- Gebunden
- 256 Seiten
- Erschienen 2013
- Springer
- Gebunden
- 400 Seiten
- Erschienen 2018
- Wiley
- Hardcover
- 288 Seiten
- Erschienen 2017
- The MIT Press



