Taschenbuch. Zustand: Neu. Neuware - Datenanalyse mit ausgereiften statistischen Modellen des Machine LearningsAnwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, Keras, TensorFlow 2, Pandas und MatplotlibBest Practices zur Optimierung Ihrer Machine-Learning-AlgorithmenMit diesem Buch erhalten Sie eine umfassende Einf�hrung in die Grundlagen und den effektiven Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Daf�r setzen Sie ein breites Spektrum leistungsf�higer Python-Bibliotheken ein, insbesondere Keras, TensorFlow 2 und Scikit-learn. Auch die f�r die praktische Anwendung unverzichtbaren mathematischen Konzepte werden verst�ndlich und anhand zahlreicher Diagramme anschaulich erl�utert.Die dritte Auflage dieses Buchs wurde f�r TensorFlow 2 komplett aktualisiert und ber�cksichtigt die j�ngsten Entwicklungen und Technologien, die f�r Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dazu z�hlen insbesondere die neuen Features der Keras-API, das Synthetisieren neuer Daten mit Generative Adversarial Networks (GANs) sowie die Entscheidungsfindung per Reinforcement Learning.Ein sicherer Umgang mit Python wird vorausgesetzt.Aus dem Inhalt:Trainieren von Lernalgorithmen und Implementierung in PythonG�ngige Klassifikationsalgorithmen wie Support Vector Machines (SVM), Entscheidungsb�ume und Random ForestNatural Language Processing zur Klassifizierung von FilmbewertungenClusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren DatenDeep-Learning-Verfahren f�r die BilderkennungDatenkomprimierung durch DimensionsreduktionTraining Neuronaler Netze und GANs mit TensorFlow 2Kombination verschiedener Modelle f�r das Ensemble LearningEinbettung von Machine-Learning-Modellen in WebanwendungenStimmungsanalyse in Social NetworksModellierung sequenzieller Daten durch rekurrente Neuronale NetzeReinforcement Learning und Implementierung von Q-Learning-Algorithmen. Artikel-Nr. 9783747502136

Verk�ufer kontaktieren

Neu kaufen

EUR 19,99

W�hrung umrechnen

Versand: EUR 34,31

Von Deutschland nach USA

Versandziele, Kosten & Dauer

Anzahl: 2 verf�gbar

In den Warenkorb

Foto des Verk�ufers

Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn: Das umfassende Praxis-Handbuch f�r Data Science, Deep Learning und Predictive Analytics (mitp Professional) : Das umfassende Praxis-Handbuch f�r Data Science, Deep Learning und Predictive Analytics

Sebastian Raschka

Verlag: Mitp, 2021

ISBN 10: 374750213X ISBN 13: 9783747502136

Gebraucht perfect

Anbieter: AHA-BUCH GmbH, Einbeck, Deutschland

Verk�uferbewertung 5 von 5 Sternen

perfect. Zustand: Sehr gut. Gebraucht - Sehr gut SG - leichte Besch�digungen oder Verschmutzungen, ungelesenes M�ngelexemplar, gestempelt - Datenanalyse mit ausgereiften statistischen Modellen des Machine LearningsAnwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, Keras, TensorFlow 2, Pandas und MatplotlibBest Practices zur Optimierung Ihrer Machine-Learning-AlgorithmenMit diesem Buch erhalten Sie eine umfassende Einf�hrung in die Grundlagen und den effektiven Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Daf�r setzen Sie ein breites Spektrum leistungsf�higer Python-Bibliotheken ein, insbesondere Keras, TensorFlow 2 und Scikit-learn. Auch die f�r die praktische Anwendung unverzichtbaren mathematischen Konzepte werden verst�ndlich und anhand zahlreicher Diagramme anschaulich erl�utert.Die dritte Auflage dieses Buchs wurde f�r TensorFlow 2 komplett aktualisiert und ber�cksichtigt die j�ngsten Entwicklungen und Technologien, die f�r Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dazu z�hlen insbesondere die neuen Features der Keras-API, das Synthetisieren neuer Daten mit Generative Adversarial Networks (GANs) sowie die Entscheidungsfindung per Reinforcement Learning.Ein sicherer Umgang mit Python wird vorausgesetzt.Aus dem Inhalt:Trainieren von Lernalgorithmen und Implementierung in PythonG�ngige Klassifikationsalgorithmen wie Support Vector Machines (SVM), Entscheidungsb�ume und Random ForestNatural Language Processing zur Klassifizierung von FilmbewertungenClusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren DatenDeep-Learning-Verfahren f�r die BilderkennungDatenkomprimierung durch DimensionsreduktionTraining Neuronaler Netze und GANs mit TensorFlow 2Kombination verschiedener Modelle f�r das Ensemble LearningEinbettung von Machine-Learning-Modellen in WebanwendungenStimmungsanalyse in Social NetworksModellierung sequenzieller Daten durch rekurrente Neuronale NetzeReinforcement Learning und Implementierung von Q-Learning-Algorithmen. Artikel-Nr. INF1000701255

Verk�ufer kontaktieren