Einführung in Machine Learning mit Python: Praxiswissen Data Science
Bestellen bei:
Zu diesem Buch gibt es noch keine Kurzmeinung. Hilf anderen Lesern, indem du das Buch bewertest und eine Kurzmeinung oder Rezension veröffentlichst.
Auf der Suche nach deinem neuen Lieblingsbuch? Melde dich bei LovelyBooks an, entdecke neuen Lesestoff und aufregende Buchaktionen.
Inhaltsangabe
Machine Learning ist zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden, von der medizinischen Diagnostik bis hin zur Suche nach Freunden in sozialen Netzwerken. Um Machine- Learning-Anwendungen zu entwickeln, braucht es keine großen Expertenteams: Wenn Sie Python-Grundkenntnisse mitbringen, zeigt Ihnen dieses Praxisbuch, wie Sie Ihre eigenen Machine-Learning-Lösungen erstellen.
Mit Python und der scikit-learn-Bibliothek erarbeiten Sie sich alle Schritte, die für eine erfolgreiche Machine-Learning- Anwendung notwendig sind. Die Autoren Andreas Müller und Sarah Guido konzentrieren sich bei der Verwendung von Machine-Learning-Algorithmen auf die praktischen Aspekte statt auf die Mathematik dahinter. Wenn Sie zusätzlich mit den Bibliotheken NumPy und matplotlib vertraut sind, hilft Ihnen dies, noch mehr aus diesem Tutorial herauszuholen.
Das Buch zeigt Ihnen:
- grundlegende Konzepte und Anwendungen von Machine Learning
- Vor- und Nachteile weit verbreiteter maschineller Lernalgorithmen
- wie sich die von Machine Learning verarbeiteten Daten repräsentieren lassen und auf welche Aspekte der Daten Sie sich konzentrieren sollten
- fortgeschrittene Methoden zur Auswertung von Modellen und zum Optimieren von Parametern
- das Konzept von Pipelines, mit denen Modelle verkettet und Arbeitsabläufe gekapselt werden
- Arbeitsmethoden für Textdaten, insbesondere textspezifische Verarbeitungstechniken
- Möglichkeiten zur Verbesserung Ihrer Fähigkeitenin den Bereichen Machine Learning und Data Science
Mit Python und der scikit-learn-Bibliothek erarbeiten Sie sich alle Schritte, die für eine erfolgreiche Machine-Learning- Anwendung notwendig sind. Die Autoren Andreas Müller und Sarah Guido konzentrieren sich bei der Verwendung von Machine-Learning-Algorithmen auf die praktischen Aspekte statt auf die Mathematik dahinter. Wenn Sie zusätzlich mit den Bibliotheken NumPy und matplotlib vertraut sind, hilft Ihnen dies, noch mehr aus diesem Tutorial herauszuholen.
Das Buch zeigt Ihnen:
- grundlegende Konzepte und Anwendungen von Machine Learning
- Vor- und Nachteile weit verbreiteter maschineller Lernalgorithmen
- wie sich die von Machine Learning verarbeiteten Daten repräsentieren lassen und auf welche Aspekte der Daten Sie sich konzentrieren sollten
- fortgeschrittene Methoden zur Auswertung von Modellen und zum Optimieren von Parametern
- das Konzept von Pipelines, mit denen Modelle verkettet und Arbeitsabläufe gekapselt werden
- Arbeitsmethoden für Textdaten, insbesondere textspezifische Verarbeitungstechniken
- Möglichkeiten zur Verbesserung Ihrer Fähigkeitenin den Bereichen Machine Learning und Data Science
Buchdetails
Aktuelle Ausgabe
ISBN:9783960090496
Sprache:Deutsch
Ausgabe:Taschenbuch
Umfang:378 Seiten
Verlag:O'Reilly
Erscheinungsdatum:26.06.2017
Rezensionen und Bewertungen
Neu
5 Sterne
Sortieren:
Gespräche aus der Community zum Buch
Neu
Starte mit "Neu" die erste Leserunde, Buchverlosung oder das erste Thema.