X
  GO
Ihre Mediensuche
Suche
Zweigstelle
Medienart


6 von 230
Machine Learning kompakt
alles, was Sie wissen müssen
VerfasserIn: Burkov, Andriy
Verfasserangabe: Andriy Burkov ; Übersetzung aus dem Amerikanischen von Knut Lorenzen
Jahr: 2019
Verlag: Frechen, mitp Verlags GmbH & Co. KG
Mediengruppe: Buch
verfügbar (wo?)verfügbar (wo?)
Exemplare
 ZweigstelleStandorteStatusFristVorbestellungen
 Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EIA Burk / College 6c - Informatik & Computer Status: Verfügbar Frist: Vorbestellungen: 0
 Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EIA Burk / College 6c - Informatik & Computer Status: Verfügbar Frist: Vorbestellungen: 0
 Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EIA Burk / College 6c - Informatik & Computer / Startseite Status: Entliehen Frist: 02.10.2021 Vorbestellungen: 0
 Vorbestellen Zweigstelle: 07., Urban-Loritz-Pl. 2a Standorte: NT.EIA Burk / College 6c - Informatik & Computer Status: Entliehen Frist: 29.09.2021 Vorbestellungen: 0
Inhalt
Alles, was Sie über Machine Learning wissen müssen, auf nur 200 Seiten
Von Support Vector Machines über Gradient Boosting und tiefe neuronale Netze bis hin zu unüberwachten Lernmethoden
Zahlreiche Tipps und Empfehlungen für den praktischen Einsatz
Sie möchten Machine Learning verstehen und dafür nicht unendlich viel Zeit aufwenden und Hunderte von Seiten lesen? Dann ist dieses Buch das richtige für Sie.
Auf 200 Seiten bringt Andriy Burkov die wichtigsten Begriffe, Konzepte und Algorithmen des Machine Learnings auf den Punkt. Dabei vermittelt er nicht nur alle notwendigen theoretischen Grundlagen, sondern geht auch auf die praktische Anwendung der einzelnen Verfahren ein, ohne dabei die zugrundeliegenden mathematischen Gleichungen außer Acht zu lassen.
Dieses Buch bietet einen leicht zugänglichen, programmiersprachenunabhängigen und trotz seiner Kürze umfassenden Einstieg ins Machine Learning.
Aus dem Inhalt:
Notation und mathematische Grundlagen
Überwachtes, teilüberwachtes und unüberwachtes Lernen
Grundlegende Lernalgorithmen:
Lineare und logistische Regression
Entscheidungsbäume
Support Vector Machines
k-Nearest-Neighbors
Optimierung mittels Gradientenabstieg
Merkmalserstellung und Handhabung fehlender Merkmale
Auswahl des passenden Lernalgorithmus
Bias, Varianz und das Problem der Unter- und Überanpassung
Regularisierung, Bewertung eines Modells und Abstimmung der Hyperparameter
Deep Learning mit CNNs, RNNs und Autoencodern
Multi-Class-, One-Class- und Multi-Label-Klassifikation
Ensemble Learning
Clustering, Dimensionsreduktion und Erkennen von Ausreißern
Selbstüberwachtes Lernen
Wort-Embeddings, One-Shot und Zero-Shot Learning
Verlagstext
Details
VerfasserIn: Burkov, Andriy
VerfasserInnenangabe: Andriy Burkov ; Übersetzung aus dem Amerikanischen von Knut Lorenzen
Jahr: 2019
Verlag: Frechen, mitp Verlags GmbH & Co. KG
Systematik: NT.EIA
ISBN: 978-3-95845-995-3
2. ISBN: 3-95845-995-1
Beschreibung: 1. Auflage, 193 Seiten : Illustrationen, Diagramme
Beteiligte Personen: Lorenzen, Knut
Sprache: Deutsch
Mediengruppe: Buch