Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn (PDF)
- Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings
- Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, Keras, TensorFlow 2, Pandas und Matplotlib ...
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
- Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings
- Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, Keras, TensorFlow 2, Pandas und Matplotlib
- Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen
Mit diesem Buch erhalten Sie eine umfassende Einführung in die Grundlagen und den effektiven Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür setzen Sie ein breites Spektrum leistungsfähiger Python-Bibliotheken ein, insbesondere Keras, TensorFlow 2 und Scikit-learn. Auch die für die praktische Anwendung unverzichtbaren mathematischen Konzepte werden verständlich und anhand zahlreicher Diagramme anschaulich erläutert.
Die dritte Auflage dieses Buchs wurde für TensorFlow 2 komplett aktualisiert und berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dazu zählen insbesondere die neuen Features der Keras-API, das Synthetisieren neuer Daten mit Generative Adversarial Networks (GANs) sowie die Entscheidungsfindung per Reinforcement Learning.
Ein sicherer Umgang mit Python wird vorausgesetzt.
Aus dem Inhalt:
- Trainieren von Lernalgorithmen und Implementierung in Python
- Gängige Klassifikationsalgorithmen wie Support Vector Machines (SVM), Entscheidungsbäume und Random Forest
- Natural Language Processing zur Klassifizierung von Filmbewertungen
- Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten
- Deep-Learning-Verfahren für die Bilderkennung
- Datenkomprimierung durch Dimensionsreduktion
- Training Neuronaler Netze und GANs mit TensorFlow 2
- Kombination verschiedener Modelle für das Ensemble Learning
- Einbettung von Machine-Learning-Modellen in Webanwendungen
- Stimmungsanalyse in Social Networks
- Modellierung sequenzieller Daten durch rekurrente Neuronale Netze
- Reinforcement Learning und Implementierung von Q-Learning-Algorithmen
Vahid Mirjalili erforschte mehrere Jahre an der Michigan State University Anwendungen des Machine Learnings in verschiedenen Computer-Vision-Projekten. Heute ist er in der Forschung des Unternehmens 3M im Bereich Machine Learning tätig.
- Autoren: Vahid Mirjalili , Sebastian Raschka
- 2021, 3. Auflage, 770 Seiten, Deutsch
- Verlag: MITP Verlags GmbH & Co. KG
- ISBN-10: 3747502148
- ISBN-13: 9783747502143
- Erscheinungsdatum: 03.03.2021
Abhängig von Bildschirmgröße und eingestellter Schriftgröße kann die Seitenzahl auf Ihrem Lesegerät variieren.
- Dateiformat: PDF
- Größe: 58 MB
- Ohne Kopierschutz
- Vorlesefunktion
eBooks und Audiobooks (Hörbuch-Downloads) mit der Familie teilen und gemeinsam genießen. Mehr Infos hier.
Zustand | Preis | Porto | Zahlung | Verkäufer | Rating |
---|
Schreiben Sie einen Kommentar zu "Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn".
Kommentar verfassen