Detailansicht
Machine Learning Kochbuch
eBook - Praktische Lösungen mit Python: von der Vorverarbeitung der Daten bis zum Deep Learning
ISBN/EAN: 9783960103073
Umbreit-Nr.: 7022713
Sprache:
Deutsch
Umfang: 368 S., 3.69 MB
Format in cm:
Einband:
Keine Angabe
Erschienen am 22.03.2019
Auflage: 1/2019
E-Book
Format: EPUB
DRM: Digitales Wasserzeichen
- Zusatztext
- Python-Programmierer finden in diesem Kochbuch nahezu 200 wertvolle und jeweils in sich abgeschlossene Anleitungen zu Aufgabenstellungen aus dem Bereich des Machine Learning, wie sie für die tägliche Arbeit typisch sind von der Vorverarbeitung der Daten bis zum Deep Learning.Entwickler, die mit Python und seinen Bibliotheken einschließlich Pandas und Scikit-Learn vertraut sind, werden spezifische Probleme erfolgreich bewältigen wie etwa Daten laden, Text und numerische Daten behandeln, Modelle auswählen, Dimensionalität reduzieren und vieles mehr.Jedes Rezept enthält Code, den Sie kopieren, zum Testen in eine kleine Beispieldatenmenge einfügen und dann anpassen können, um Ihre eigenen Anwendungen zu konstruieren. Darüber hinaus werden alle Lösungen diskutiert und wichtige Zusammenhänge hergestellt. Dieses Kochbuch unterstützt Sie dabei, den Schritt von der Theorie und den Konzepten hinein in die Praxis zu machen. Es liefert das praktische Rüstzeug, das Sie benötigen, um funktionierende Machine-Learning-Anwendungen zu entwickeln.In diesem Kochbuch finden Sie Rezepte für:- Vektoren, Matrizen und Arrays- den Umgang mit numerischen und kategorischen Daten, Texten, Bildern sowie Datum und Uhrzeit- das Reduzieren der Dimensionalität durch Merkmalsextraktion oder Merkmalsauswahl- Modellbewertung und -auswahl- lineare und logistische Regression, Bäume und Wälder und k-nächste Nachbarn- Support Vector Machine (SVM), naive Bayes, Clustering und neuronale Netze- das Speichern und Laden von trainierten Modellen
- Kurztext
- Python-Programmierer finden in diesem Kochbuch nahezu 200 wertvolle und jeweils in sich abgeschlossene Anleitungen zu Aufgabenstellungen aus dem Bereich des Machine Learning, wie sie fur die tagliche Arbeit typisch sind - von der Vorverarbeitung der Daten bis zum Deep Learning. Entwickler, die mit Python und seinen Bibliotheken einschlielich Pandas und Scikit-Learn vertraut sind, werden spezifische Probleme erfolgreich bewltigen - wie etwa Daten laden, Text und numerische Daten behandeln, Modelle auswhlen, Dimensionalitt reduzieren und vieles mehr. Jedes Rezept enthlt Code, den Sie kopieren, zum Testen in eine kleine Beispieldatenmenge einfgen und dann anpassen knnen, um Ihre eigenen Anwendungen zu konstruieren. Darber hinaus werden alle Lsungen diskutiert und wichtige Zusammenhnge hergestellt. Dieses Kochbuch untersttzt Sie dabei, den Schritt von der Theorie und den Konzepten hinein in die Praxis zu machen. Es liefert das praktische Rstzeug, das Sie bentigen, um funktionierende Machine-Learning-Anwendungen zu entwickeln. In diesem Kochbuch finden Sie Rezepte fr:- Vektoren, Matrizen und Arrays- den Umgang mit numerischen und kategorischen Daten, Texten, Bildern sowie Datum und Uhrzeit- das Reduzieren der Dimensionalitt durch Merkmalsextraktion oder Merkmalsauswahl- Modellbewertung und -auswahl- lineare und logistische Regression, Bume und Wlder und k-nchste Nachbarn- Support Vector Machine (SVM), naive Bayes, Clustering und neuronale Netze- das Speichern und Laden von trainierten Modellen
- Autorenportrait
- Chris Albon ist Data Scientist und Politikwissenschaftler mit einem Jahrzehnt Erfahrung in der Anwendung von statistischem Lernen, künstlicher Intelligenz und Software-Engineering in den Bereichen politischer, sozialer und humanitärer Bemühungen von der Wahlbeobachtung bis zur Katastrophenhilfe. Derzeit ist Chris der Chief Data Scientist bei BRCK, einem kenianischen Start-up-Unternehmen, das ein robustes Netzwerk für Internetnutzer des Frontier-Markts entwickelt.