Praxiseinstieg Machine Learning mit Scikit-Learn & TensorFlow

Name: Praxiseinstieg Machine Learning mit Scikit-Learn & TensorFlow
Price: 54.9 EUR
Availability: InStock
Author: Aurélien Géron
ISBN: 9783960092124

Konzepte, Tools und Techniken für intelligente Systeme

Verlag	OReilly (dpunkt)
Autor:in	Aurélien Géron
Fassung	876 Seiten, Softcover, 3. Auflage
Erschienen	09/2023
ISBN	978-3-96009-212-4 9783960092124

Buch

€54,90 inkl. MwSt.

Best.-Nr.: OR-212

Versandkostenfrei (D)

Sofort lieferbar

Praxiseinstieg Machine Learning mit Scikit-Learn & TensorFlow

Konzepte, Tools und Techniken für intelligente Systeme

Verlag:	OReilly (dpunkt)
Autor:in	Aurélien Géron
Fassung:	876 Seiten, Softcover, 3. Auflage
Erschienen:	09/2023
ISBN:	978-3-96009-212-4 9783960092124

Best.-Nr.: OR-212
Sofort lieferbar

€54,90 inkl. MwSt.

Versandkostenfrei (D)

Best.-Nr.:

eBook (PDF)

€ inkl. MwSt.

Inhaltsverzeichnis:	Jetzt downloaden
Vorwort:	Jetzt downloaden
Leseprobe:	Jetzt downloaden

Praxiseinstieg Machine Learning mit Scikit-Learn & TensorFlow

Konzepte, Tools und Techniken für intelligente Systeme

Best.-Nr.: OR-212
Sofort lieferbar

€54,90 inkl. MwSt.

Versandkostenfrei (D)

Verlag:	OReilly (dpunkt)
Autor:in	Aurélien Géron
Fassung:	876 Seiten, Softcover, 3. Auflage
Erschienen:	09/2023
ISBN:	978-3-96009-212-4 9783960092124
Inhaltsverzeichnis:	Jetzt downloaden
Vorwort:	Jetzt downloaden
Leseprobe:	Jetzt downloaden

Grundlagen in Theorie und Praxis neuronaler Netze

Dieses Standardwerk ist eine methodisch geschickte Einleitung in die Basics des Machine Learning mit Scikit-Learn. Darauf aufbauend vermittelt es Deep-Learning-Techniken mit Keras und TensorFlow, gespickt mit zahlreichen Übungen und Lösungen.

Blick ins Buch: Praxiseinstieg Machine Learning

Maschinelles Lernen und insbesondere Deep Learning haben in den letzten Jahren eindrucksvolle Durchbrüche erlebt. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses Standardwerk verwendet konkrete Beispiele, ein Minimum an Theorie und unmittelbar einsetzbare Python-Frameworks (Scikit-Learn, Keras und TensorFlow), um Ihnen ein intuitives Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme zu vermitteln.

In dieser aktualisierten 3. Auflage behandelt Aurélien Géron eine große Bandbreite von Techniken: von der einfachen linearen Regression bis hin zu Deep Neural Networks. Zahlreiche Codebeispiele und Übungen helfen Ihnen, das Gelernte praktisch umzusetzen. Sie benötigen lediglich etwas Programmiererfahrung, um direkt zu starten.

Aus dem Inhalt

Teil 1 – Die Grundlagen des Machine Learning

Die Machine-Learning-Umgebung
Ein Machine-Learning-Projekt von A bis Z
Klassifikation
Trainieren von Modellen
Support Vector Machines
Entscheidungsbäume
Ensemble Learning und Random Forests
Dimensionsreduktion
Techniken des unüberwachten Lernens

Teil 2 – Neuronale Netze und Deep Learning

Einführung in künstliche neuronale Netze mit Keras
Trainieren von Deep-Learning-Netzen
Eigene Modelle und Training mit TensorFlow
Daten mit TensorFlow laden und vorverarbeiten
Deep Computer Vision mit Convolutional Neural Networks
Verarbeiten von Sequenzen mit RNNs und CNNs
Verarbeitung natürlicher Sprache mit RNNs und Attention
Autoencoder, GANs und Diffusionsmodelle
Reinforcement Learning
TensorFlow-Modelle skalierbar trainieren und deployen

Hier das ganze Inhaltsverzeichnis lesen.

Leseprobe

Entscheidungsbäume als Komponente von Random Forests gehören zu den mächtigsten Machine-Learning-Algorithmen. Aurélien Géron zeigt in dieser Leseprobe, wie sie sich für Vorhersagen und Regressionsaufgaben einsetzen lassen. Um Vorhersagen zu treffen, wird der Entscheidungsbaum von der Wurzel bis zu einem Blatt durchlaufen, wobei bei jedem Knoten ein Merkmal geprüft wird.

Wer hat's geschrieben?

Aurélien Géron arbeitet als Consultant für Machine Learning. Als ehemaliger Mitarbeiter von Google hat er von 2013 bis 2016 das YouTube-Team zur Klassifikation von Videos geleitet. Er war von 2002 bis 2012 Gründer und CTO von Wifirst, einem führenden Wireless ISP in Frankreich; 2001 war er Gründer und CTO von Polyconseil, der Firma, die inzwischen den Carsharing-Dienst Autolib’ verwaltet.

Davor war er als Ingenieur in verschiedenen Bereichen tätig: Finanzen (JP Morgan und Société Générale), Verteidigung (das Department of Defense in Kanada) und Gesundheit (Bluttransfusionen). Er hat einige technische Bücher veröffentlicht (zu C++, WiFi und Internetarchitekturen) und war Dozent für Informatik in einer französischen Ingenieursschule.

Sonstige wissenswerte Dinge: Er hat seinen drei Kindern beigebracht, mit den Fingern binär zu zählen (bis 1023), hat Mikrobiologie und Evolutionsgenetik studiert, bevor er sich der Softwareentwicklung zugewandt hat, und sein Fallschirm ging bei seinem zweiten Absprung nicht auf.