Aurélien Géron: Géron, A: Praxiseinstieg Machine Learning mit Scikit-Learn u
Géron, A: Praxiseinstieg Machine Learning mit Scikit-Learn u
Buch
- Übersetzung: Kristian Rother
Derzeit nicht erhältlich.
Lassen Sie sich über unseren eCourier benachrichtigen, falls das Produkt bestellt werden kann.
Lassen Sie sich über unseren eCourier benachrichtigen, falls das Produkt bestellt werden kann.
- Dpunkt.Verlag GmbH, 12/2017
- Einband: Flexibler Einband
- ISBN-13: 9783960090618
- Gewicht: 1051 g
- Maße: 241 x 167 mm
- Stärke: 35 mm
- Erscheinungstermin: 31.12.2017
Ähnliche Artikel
Aurélien Géron
Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow
Buch
EUR 54,90*
Aurélien Géron
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
Buch
EUR 81,81*
MINT - Magazin für Vinyl-Kultur No. 66
Zeitschrift
EUR 8,90*
Klappentext
Durchbrüche beim Deep Learning haben das maschinelle Lernen in den letzten Jahren eindrucksvoll vorangebracht. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses praxisorientierte Buch zeigt Ihnen wie.Mit konkreten Beispielen, einem Minimum an Theorie und zwei unmittelbar anwendbaren Python-Frameworks - Scikit-Learn und TensorFlow - verhilft Ihnen der Autor Aurélien Géron zu einem intuitiven Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme. Sie lernen eine Vielzahl von Techniken kennen, beginnend mit einfacher linearer Regression bis hin zu neuronalen Netzen. Übungen zu jedem Kapitel helfen Ihnen, das Gelernte in die Praxis umzusetzen. Sie benötigen lediglich etwas Programmiererfahrung, um direkt zu starten.
- Entdecken Sie Machine Learning, insbesondere neuronale Netze und das Deep Learning
- Verwenden Sie Scikit-Learn, um ein Machine-Learning-Beispielprojekt vom Anfang bis zum Ende nachzuvollziehen
- Erkunden Sie verschiedene trainierbare Modelle, darunter Support Vector Machines, Entscheidungsbäume, Random Forests und Ensemble-Methoden
- Nutzen Sie die Bibliothek TensorFlow, um neuronale Netze zu erstellen und zu trainieren
- Lernen Sie Architekturen neuronaler Netze kennen, darunter Convolutional Nets, Recurrent Nets und Deep Reinforcement Learning
- Eignen Sie sich Techniken zum Trainieren und Skalieren von neuronalen Netzen an
- Wenden Sie Codebeispiele an, ohne exzessiv die Theorie von Machine Learning oder die Algorithmik durcharbeiten zu müssen
Anmerkungen:
Bitte beachten Sie, dass auch wir der Preisbindung unterliegen und kurzfristige Preiserhöhungen oder -senkungen an Sie weitergeben müssen.