Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn - Raschka, Sebastian

Résumé :

• Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings
• Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, Keras, TensorFlow 2, Pandas und Matplotlib
• Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen

Mit 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:

Biographie:

Sebastian Raschka ist Assistant Professor f?r Statistik an der University of Wisconsin-Madison, wo er an der Entwicklung neuer Deep-Learning-Architekturen im Gebiet der Biometrie forscht. Er leitete verschiedene Seminare u.a. auf der SciPy-Konferenz.

Vahid Mirjalili erforschte mehrere Jahre an der Michigan State University Anwendungen des Machine Learnings in verschiedenen Computer-Vision-Projekten. Heute ist er in der Forschung des Unternehmens 3M im Bereich Machine Learning t?tig.

Sommaire:

• Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings
• Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, Keras, TensorFlow 2, Pandas und Matplotlib
• Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen

Mit 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: