Machine Learning Kochbuch
Praktische Lösungen mit Python: von der Vorverarbeitung der Daten bis zum Deep Learning
Seiten
2019
O'Reilly (Verlag)
978-3-96010-558-9 (ISBN)
O'Reilly (Verlag)
978-3-96010-558-9 (ISBN)
- Titel leider nicht mehr lieferbar
- Artikel merken
Python-Machine-Learning-Praxis
Lernen Sie das ganze ML-Themenspektrum kennen: von der Vorverarbeitung der Daten bis zum Deep Learning
Mit Codebeispielen für typische Aufgabenstellungen der ML-Praxis
Vertiefen Sie Theorie und Konzepte anhand von funktionsfähigen Anwendungen
Python-Programmierer finden in diesem Kochbuch nahezu 200 wertvolle und jeweils in sich abgeschlossene Anleitungen zu Aufgabenstellungen aus dem Bereich des Machine Learning, wie sie für die tägliche Arbeit typisch sind – von der Vorverarbeitung der Daten bis zum Deep Learning.
Entwickler, die mit Python und seinen Bibliotheken einschließlich Pandas und Scikit-Learn vertraut sind, werden spezifische Probleme erfolgreich bewältigen – wie etwa Daten laden, Text und numerische Daten behandeln, Modelle auswählen, Dimensionalität reduzieren und vieles mehr.
Jedes Rezept enthält Code, den Sie kopieren, zum Testen in eine kleine Beispieldatenmenge einfügen und dann anpassen können, um Ihre eigenen Anwendungen zu konstruieren. Darüber hinaus werden alle Lösungen diskutiert und wichtige Zusammenhänge hergestellt. Dieses Kochbuch unterstützt Sie dabei, den Schritt von der Theorie und den Konzepten hinein in die Praxis zu machen. Es liefert das praktische Rüstzeug, das Sie benötigen, um funktionierende Machine-Learning-Anwendungen zu entwickeln.
In diesem Kochbuch finden Sie Rezepte für:
Vektoren, Matrizen und Arrays
den Umgang mit numerischen und kategorischen Daten, Texten, Bildern sowie Datum und Uhrzeit
das Reduzieren der Dimensionalität durch Merkmalsextraktion oder Merkmalsauswahl
Modellbewertung und -auswahl
lineare und logistische Regression, Bäume und Wälder und k-nächste Nachbarn
Support Vector Machine (SVM), naive Bayes, Clustering und neuronale Netze
das Speichern und Laden von trainierten Modellen
Lernen Sie das ganze ML-Themenspektrum kennen: von der Vorverarbeitung der Daten bis zum Deep Learning
Mit Codebeispielen für typische Aufgabenstellungen der ML-Praxis
Vertiefen Sie Theorie und Konzepte anhand von funktionsfähigen Anwendungen
Python-Programmierer finden in diesem Kochbuch nahezu 200 wertvolle und jeweils in sich abgeschlossene Anleitungen zu Aufgabenstellungen aus dem Bereich des Machine Learning, wie sie für die tägliche Arbeit typisch sind – von der Vorverarbeitung der Daten bis zum Deep Learning.
Entwickler, die mit Python und seinen Bibliotheken einschließlich Pandas und Scikit-Learn vertraut sind, werden spezifische Probleme erfolgreich bewältigen – wie etwa Daten laden, Text und numerische Daten behandeln, Modelle auswählen, Dimensionalität reduzieren und vieles mehr.
Jedes Rezept enthält Code, den Sie kopieren, zum Testen in eine kleine Beispieldatenmenge einfügen und dann anpassen können, um Ihre eigenen Anwendungen zu konstruieren. Darüber hinaus werden alle Lösungen diskutiert und wichtige Zusammenhänge hergestellt. Dieses Kochbuch unterstützt Sie dabei, den Schritt von der Theorie und den Konzepten hinein in die Praxis zu machen. Es liefert das praktische Rüstzeug, das Sie benötigen, um funktionierende Machine-Learning-Anwendungen zu entwickeln.
In diesem Kochbuch finden Sie Rezepte für:
Vektoren, Matrizen und Arrays
den Umgang mit numerischen und kategorischen Daten, Texten, Bildern sowie Datum und Uhrzeit
das Reduzieren der Dimensionalität durch Merkmalsextraktion oder Merkmalsauswahl
Modellbewertung und -auswahl
lineare und logistische Regression, Bäume und Wälder und k-nächste Nachbarn
Support Vector Machine (SVM), naive Bayes, Clustering und neuronale Netze
das Speichern und Laden von trainierten Modellen
| Erscheinungsdatum | 28.03.2025 |
|---|---|
| Sprache | deutsch |
| Maße | 165 x 240 mm |
| Themenwelt | Informatik ► Datenbanken ► Data Warehouse / Data Mining |
| Mathematik / Informatik ► Informatik ► Programmiersprachen / -werkzeuge | |
| Schlagworte | AI • Artificial Intelligence • Keras • KI • K-nächste Nachbarn • Künstliche Intelligenz • Neuronale Netze • Scikit Learn • Support Vector Machines |
| ISBN-10 | 3-96010-558-4 / 3960105584 |
| ISBN-13 | 978-3-96010-558-9 / 9783960105589 |
| Zustand | Neuware |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
Mehr entdecken
aus dem Bereich
aus dem Bereich
Ein verständlicher Einstieg mit Python
Buch | Softcover (2024)
O'Reilly (Verlag)
CHF 41,85
eine Einführung mit Python, Scikit-Learn und TensorFlow
Buch | Softcover (2024)
O'Reilly (Verlag)
CHF 27,85
