PORTO-
FREI

Machine Learning mit Python und Scikit-Learn und TensorFlow

Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning

von Raschka, Sebastian / Mirjalili, Vahid   (Autor)

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

Buch (Kartoniert)

EUR 49,99

Alle Preisangaben inkl. MwSt.

Am Lager, sofort lieferbar
(Nur noch wenige Exemplare auf Lager)

Versandkostenfrei*

Versandtermin: 24. Juli 2019, wenn Sie jetzt bestellen.
(innerhalb Deutschlands, Sendungen in Geschenkverpackung: + 1 Werktag)

Dieser Artikel kann nicht bestellt werden.
 

Produktbeschreibung


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 

Autoreninfo


Sebastian Raschka verfügt über jahrelange Erfahrung in der Python-Programmierung und leitete mehrere Seminare über praktische Data-Science-Anwendungen, Machine Learning und Deep Learning u.a. auf der SciPy-Konferenz.

Vahid Mirjalili erforscht Anwendungen des Machine Learnings in verschiedenen Computer-Vision-Projekten (¯maschinelles Sehen®) am Fachbereich für Informatik und Ingenieurswesen an der Michigan State University. 

Mehr vom Verlag:

MITP Verlags GmbH

Mehr aus der Reihe:

mitp Professional

Produktdetails

Medium: Buch
Format: Kartoniert
Seiten: 584
Sprache: Deutsch
Erschienen: Dezember 2017
Auflage: 2., aktualisierte und erweitetre Auflage
Sonstiges: .95845733
Maße: 238 x 169 mm
Gewicht: 974 g
ISBN-10: 3958457339
ISBN-13: 9783958457331
Verlagsbestell-Nr.: 95845733

Bestell-Nr.: 21487679 
Bestell-Nr. Verlag: 95845733

LIBRI: 4893646
LIBRI-EK*: 32.70 € (30.00%)
LIBRI-VK: 49,99 €
STOCK Libri: 11
* EK = ohne MwSt.
P_SALEALLOWED: WORLD
DRM: 0
0 = Kein Kopierschutz
1 = PDF Wasserzeichen
2 = DRM Adobe
3 = DRM WMA (Windows Media Audio)
4 = MP3 Wasserzeichen
6 = EPUB Wasserzeichen

UVP: 0 
Warengruppe: 16360 

KNO: 67348225
KNO-EK*: 29.41 € (30.00%)
KNO-VK: 49,99 €

KNO-SAMMLUNG: mitp Professional
KNOABBVERMERK: 2., aktualis. u. erw. Aufl. 2017. 584 S. 240 mm
KNOSONSTTEXT: .95845733
KNOZUSATZTEXT: Bisherige Ausg. siehe T.-Nr. 57433497
Einband: Kartoniert
Auflage: 2., aktualisierte und erweitetre Auflage
Sprache: Deutsch

Alle Preise inkl. MwSt., innerhalb Deutschlands liefern wir immer versandkostenfrei. Informationen zum Versand ins Ausland.

Kostenloser Versand*

innerhalb eines Werktages

OHNE RISIKO

30 Tage Rückgaberecht

Käuferschutz

mit Geld-Zurück-Garantie