Aktion	Zweigstelle	Standorte	Status	Frist	Vorbestellungen
Vorbestellen	Zweigstelle: 07., Urban-Loritz-Pl. 2a	Standorte: NT.EIA Nguy / College 6c - Informatik & Computer	Status: Entliehen	Frist: 14.10.2024	Vorbestellungen: 0
Vorbestellen	Zweigstelle: 07., Urban-Loritz-Pl. 2a	Standorte: NT.EIA Nguy / College 6c - Informatik & Computer	Status: Entliehen	Frist: 16.10.2024	Vorbestellungen: 0
Vorbestellen	Zweigstelle: 07., Urban-Loritz-Pl. 2a	Standorte: NT.EIA Nguy / College 6c - Informatik & Computer	Status: Entliehen	Frist: 08.10.2024	Vorbestellungen: 0

- Die 3. Auflage des Bestsellers wurde ergänzt durch Kapitel zu Large Language Models wie ChatGPT und zu MLOps

- Anhand konkreter Datensätze 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 durch seine durchdachte Didaktik auch für Interessierte, die nur am Rande mit ML zu tun haben, wie z.B. Softwareentwickler*innen

 

Der kompakte Schnelleinstieg in Machine Learning und Deep Learning

 

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 alle wesentlichen Themen abgedeckt und mit praktischen Beispielen in Python illustriert:

 

- Datenvorbereitung, Feature-Auswahl, Modellvalidierung

- Supervised und Unsupervised Learning

- Neuronale Netze und Deep Learning

- Reinforcement Learning

- LLMs – moderne Sprachmodelle

- MLOps – Machine Learning für die Praxis

- Verwendet werden dabei die 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.

 

(Verlagstext)