Personnaliser

OK

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

Note : 0

0 avis
  • Soyez le premier à donner un avis

Vous en avez un à vendre ?

Vendez-le-vôtre
Filtrer par :

15,77 €

Occasion · Bon État

  • Livraison GRATUITE
  • Livré entre le 15 et le 18 juin
Voir les modes de livraison

momox

PRO Vendeur favori

4,8/5 sur + de 1 000 ventes

Livré gratuitement chez vous en 2 semaines. L'article présente des traces d'utilisation, mais est en bon état. 2 millions de ventes réalisées en 5 ans, merci de votre confiance ! Découvrez les avis (https://fr.shopping.rakuten.com/feedback/momox) de...

Nos autres offres

  • 33,40 €

    Produit Neuf

    Ou 8,35 € /mois

    • Livraison : 3,99 €
    • Livré entre le 17 et le 23 juin
    Voir les modes de livraison
    4,8/5 sur + de 1 000 ventes
    Voir le détail de l'annonce 
Publicité
 
Vous avez choisi le retrait chez le vendeur à
  • Payez directement sur Rakuten (CB, PayPal, 4xCB...)
  • Récupérez le produit directement chez le vendeur
  • Rakuten vous rembourse en cas de problème

Gratuit et sans engagement

Félicitations !

Nous sommes heureux de vous compter parmi nos membres du Club Rakuten !

En savoir plus

Retour

Horaires

      Note :


      Avis sur Machine Learning Mit Python Und Keras, Tensorflow 2 Und Scikit - Learn de Sebastian Raschka Format Broché  - Livre Informatique

      Note : 0 0 avis sur Machine Learning Mit Python Und Keras, Tensorflow 2 Und Scikit - Learn de Sebastian Raschka Format Broché  - Livre Informatique

      Les avis publiés font l'objet d'un contrôle automatisé de Rakuten.


      Présentation Machine Learning Mit Python Und Keras, Tensorflow 2 Und Scikit - Learn de Sebastian Raschka Format Broché

       - Livre Informatique

      Livre Informatique - Sebastian Raschka - 01/03/2021 - Broché - Langue : Allemand

      . .

    • Auteur(s) : Sebastian Raschka - Vahid Mirjalili
    • Editeur : Mitp Verlags Gmbh & Co.Kg
    • Langue : Allemand
    • Parution : 01/03/2021
    • Format : Moyen, de 350g à 1kg
    • Nombre de pages : 768
    • Expédition : 1264
    • Dimensions : 23.8 x 16.8 x 4.1
    • ISBN : 9783747502136



    • 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:

    • Trainieren von Lernalgorithmen und Implementierung in Python
    • G?ngige Klassifikationsalgorithmen wie Support Vector Machines (SVM), Entscheidungsb?ume und Random Forest
    • Natural Language Processing zur Klassifizierung von Filmbewertungen
    • Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten
    • Deep-Learning-Verfahren f?r die Bilderkennung
    • Datenkomprimierung durch Dimensionsreduktion
    • Training Neuronaler Netze und GANs mit TensorFlow 2
    • Kombination verschiedener Modelle f?r das Ensemble Learning
    • Einbettung von Machine-Learning-Modellen in Webanwendungen
    • Stimmungsanalyse in Social Networks
    • Modellierung sequenzieller Daten durch rekurrente Neuronale Netze
    • Reinforcement Learning und Implementierung von Q-Learning-Algorithmen
    • ...

      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:

    • Trainieren von Lernalgorithmen und Implementierung in Python
    • G?ngige Klassifikationsalgorithmen wie Support Vector Machines (SVM), Entscheidungsb?ume und Random Forest
    • Natural Language Processing zur Klassifizierung von Filmbewertungen
    • Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten
    • Deep-Learning-Verfahren f?r die Bilderkennung
    • Datenkomprimierung durch Dimensionsreduktion
    • Training Neuronaler Netze und GANs mit TensorFlow 2
    • Kombination verschiedener Modelle f?r das Ensemble Learning
    • Einbettung von Machine-Learning-Modellen in Webanwendungen
    • Stimmungsanalyse in Social Networks
    • Modellierung sequenzieller Daten durch rekurrente Neuronale Netze
    • Reinforcement Learning und Implementierung von Q-Learning-Algorithmen
    • ...

      Détails de conformité du produit

      Consulter les détails de conformité de ce produit (

      Personne responsable dans l'UE

      )
      Le choixNeuf et occasion
      Minimum5% remboursés
      La sécuritéSatisfait ou remboursé
      Le service clientsÀ votre écoute
      LinkedinFacebookTwitterInstagramYoutubePinterestTiktok
      visavisa
      mastercardmastercard
      klarnaklarna
      paypalpaypal
      floafloa
      americanexpressamericanexpress
      Rakuten Logo
      • Rakuten Kobo
      • Rakuten TV
      • Rakuten Viber
      • Rakuten Viki
      • Plus de services
      • À propos de Rakuten
      Rakuten.com