
Machine Learning - kurz & gut
Kurzinformation



inkl. MwSt. Versandinformationen
Artikel zZt. nicht lieferbar
Artikel zZt. nicht lieferbar

Beschreibung
Der kompakte Schnelleinstieg in Machine Learning und Deep Learning Die Neuauflage des Bestsellers wurde ergänzt durch die Themen Unsupervised Learning und Reinforcement Learning Anhand konkreter Datensätzen lernen Sie einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung Nicht nur für zukünftige Data Scientists und ML-Profis geeignet, sondern auch für Interessierte, die nur am Rande mit ML zu tun haben, wie z. B. Softwareentwickler*innen Machine Learning beeinflusst heute beinahe alle Bereiche der Technik und der Gesellschaft. Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des maschinellen Lernens und der statistischen Datenanalyse. Dabei werden folgende Themen behandelt und mit praktischen Beispielen veranschaulicht: Datenimport und -vorbereitung Supervised Learning Feature-Auswahl, Modellvalidierung Neuronale Netze und Deep Learning Unsupervised Learning Reinforcement Learning Anhand konkreter Datensätze lernen Sie einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. Die Codebeispiele basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras. Nach der Lektüre dieses Buchs haben Sie einen Überblick über das gesamte Thema und können Ansätze einordnen und bewerten. Das Buch vermittelt Ihnen eine solide Grundlage, um Ihre ersten eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen. von Nguyen, Chi Nhan;Zeigermann, Oliver;
Produktdetails

So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
Nach seiner Diplom- und Doktorarbeit an der Universität Hamburg im Bereich Hochenergiephysik am Teilchenbeschleuniger HERA/DESY arbeitete Chi Nhan Nguyen mehrere Jahre als wissenschaftlicher Mitarbeiter im akademischen Ausland. Seine Stationen waren dabei u.a. das Fermilab, die Texas A&M University, der Teilchenbeschleuniger LHC am CERN und die Columbia University. Seit 2013 arbeitet er als Datenwissenschaftler und Berater für die S&P Consult im Bereich der Optimierung von Sanierungsstrategien für Versorgungsnetzwerke auf Basis von stochastischen Alterungsmodellen.
- Kartoniert
- 390 Seiten
- Erschienen 2020
- O'Reilly Media
- Gebunden
- 738 Seiten
- Erschienen 2011
- Springer
- Kartoniert
- 360 Seiten
- Erschienen 2018
- Manning
- Kartoniert
- 350 Seiten
- Erschienen 2020
- O'Reilly Media
- paperback
- 386 Seiten
- Erschienen 2019
- Packt Publishing
- Gebunden
- 496 Seiten
- Erschienen 2020
- Rheinwerk Computing
- Hardcover
- 432 Seiten
- Erschienen 2023
- Wiley & Sons
- paperback
- 590 Seiten
- Erschienen 2021
- MedMantra, LLC
- Kartoniert
- 232 Seiten
- Erschienen 2017
- O'Reilly
- Hardcover
- 272 Seiten
- Erschienen 2010
- StudienVerlag