X
  GO
Ihre Mediensuche
Suche
Zweigstelle
Medienart


30 von 285
Machine learning mit Python und Scikit-learn und TensorFlow
das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics
Verfasserangabe: Sebastian Raschka, Vahid Mirjalili ; Übersetzung aus dem Amerikanischen von Knut Lorenzen
Jahr: 2018
Verlag: Frechen, mitp Verlags GmbH & Co. KG
Mediengruppe: Buch
verfügbar (wo?)verfügbar (wo?)
Exemplare
 ZweigstelleStandorteStatusFristVorbestellungen
 Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EQW Rasch / College 6c - Informatik & Computer Status: Verfügbar Frist: Vorbestellungen: 0
 Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EQW Rasch / College 6c - Informatik & Computer Status: Verfügbar Frist: Vorbestellungen: 0
 Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EQW Rasch / College 6c - Informatik & Computer Status: Entliehen Frist: 09.02.2022 Vorbestellungen: 0
Inhalt
Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings
Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, TensorFlow, Matplotlib, Pandas und Keras
Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen
 
Machine Learning und Predictive Analytics verändern die Arbeitsweise von Unternehmen grundlegend. Die Fähigkeit, in komplexen Daten Trends und Muster zu erkennen, ist heutzutage für den langfristigen geschäftlichen Erfolg ausschlaggebend und entwickelt sich zu einer der entscheidenden Wachstumsstrategien.
Die zweite Auflage dieses Buchs berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dies betrifft insbesondere die neuesten Open-Source-Bibliotheken wie Scikit-learn, Keras und TensorFlow.
Python zählt zu den führenden Programmiersprachen in den Bereichen Machine Learning, Data Science und Deep Learning und ist besonders gut dazu geeignet, grundlegende Erkenntnisse aus Ihren Daten zu gewinnen sowie ausgefeilte Algorithmen und statistische Modelle auszuarbeiten, die neue Einsichten liefern und wichtige Fragen beantworten.
Die Autoren erläutern umfassend den Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür behandeln sie in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Sie lernen detailliert, wie Sie Python für maschinelle Lernverfahren einsetzen und dabei eine Vielzahl von statistischen Modellen verwenden.
Aus dem Inhalt:
Trainieren von Lernalgorithmen für die Klassifizierung
Regressionsanalysen zum Prognostizieren von Ergebnissen
Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten
Deep-Learning-Verfahren zur Bilderkennung
Optimale Organisation Ihrer Daten durch effektive Verfahren zur Vorverarbeitung
Datenkomprimierung durch Dimensionsreduktion
Training Neuronaler Netze mit TensorFlow
Kombination verschiedener Modelle für das Ensemble Learning
Einbettung eines Machine-Learning-Modells in eine Webanwendung
Stimmungsanalyse in Social Networks
Modellierung sequenzieller Daten durch rekurrente Neuronale Netze.
Verlagstext
Details
VerfasserInnenangabe: Sebastian Raschka, Vahid Mirjalili ; Übersetzung aus dem Amerikanischen von Knut Lorenzen
Jahr: 2018
Verlag: Frechen, mitp Verlags GmbH & Co. KG
Systematik: NT.EQW
ISBN: 978-3-95845-733-1
2. ISBN: 3-95845-733-9
Beschreibung: 2., aktualisierte und erweiterte Auflage, 577 Seiten : Illustrationen
Sprache: ger
Mediengruppe: Buch