SinneWerk gGmbH
Bücher spenden

Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow

Aurélien Géron

Konzepte, Tools und Techniken für intelligente Systeme

Weiterlesen

45,96 

Verlag
O'Reilly
Sprache
Deutsch
Artikel-Nr.
Lieferzeit
4-7 Werktage* (Deutschland)

FAQ

Lust auf Lesen?

Finde dein nächstes Buch

Markus Krötzsch, Pascal Hitzler, Sebastian Rudolph, York Sure
Semantic Web
Zustand: Gut
3,95 
Stefan Beiersmann
Samsung Galaxy
Zustand: Gut
9,03 
Harry M. Sneed, Manfred Baumgartner, Richard Seidl
Der Systemtest
Zustand: Gut
23,98 
Arno Burger, Margret Degener
Praxishandbuch Outlook-Organisation
Zustand: Akzeptabel
45,02 
Entdecke mehr Bücher!

Gespendete Bücher für den gemeinnützigen Zweck

Wir verkaufen seit 20 Jahren Bücher auf verschiedenen Plattformen im Internet, um unsere Projekte für Inklusion und Kultur zu ermöglichen. Mittlerweile haben wir ca. 40.000 unterschiedliche Titel im Angebot und es kommen jeden Tag neue hinzu, vom Kinderbuchklassiker bis hin zum wissenschaftlichen Fachbuch.

Bei jedem der Bücher handelt es sich um gespendete, gebrauchte Bücher, die auf diesem Wege einen neuen Leser finden möchten.
Produktbeschreibung

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