Leserbewertungen
Zusammenfassung:Das Buch bietet einen umfassenden Überblick über Themen des maschinellen Lernens, ist aber aufgrund seiner Kürze und der vorausgesetzten Vorkenntnisse in Mathematik und Statistik für Anfänger nicht zu empfehlen. Während es für diejenigen, die bereits mit dem Thema vertraut sind, eine nützliche Ressource sein kann, fehlt es ihm an Tiefe und umfassenden Erklärungen für fortgeschrittene Lernende. Außerdem eignet es sich gut als Geschenk für jemanden, der sich für Mathematik und Statistik interessiert.
Vorteile:Es enthält Python-Code-Schnipsel, die sich als Überblick für Leser mit Vorkenntnissen im Bereich des maschinellen Lernens eignen und möglicherweise eine hilfreiche Ressource zur Organisation der Gedanken darstellen.
Nachteile:Erklärungen sind sehr kurz und setzen Vorwissen voraus, zu wenig Tiefe für Anfänger und Fortgeschrittene, kein umfassender Leitfaden zu Python-Tools für maschinelles Lernen.
(basierend auf 4 Leserbewertungen)
Originaltitel:
Algorithms of the Intelligent Web
Inhalt des Buches:
Zusammenfassung
Algorithms of the Intelligent Web, Second Edition vermittelt die wichtigsten Ansätze zur algorithmischen Webdatenanalyse und ermöglicht es Ihnen, Ihre eigenen Anwendungen für maschinelles Lernen zu erstellen, die Daten von Nutzern, Webanwendungen, Sensoren und Website-Protokollen verarbeiten und verwerten.
Der Kauf des gedruckten Buches beinhaltet ein kostenloses eBook im PDF-, Kindle- und ePub-Format von Manning Publications.
Über die Technologie
In den Spuren, die Webbenutzer beim Navigieren durch Seiten und Anwendungen hinterlassen, stecken wertvolle Erkenntnisse. Sie können diese aufdecken, indem Sie intelligente Algorithmen verwenden, wie diejenigen, die Facebook, Google und Twitter einen Platz unter den Giganten der Webdaten-Musterextraktion eingebracht haben.
Über das Buch
In Algorithms of the Intelligent Web, Second Edition lernen Sie, wie Sie Anwendungen für maschinelles Lernen erstellen, die Daten von Benutzern, Webanwendungen und Website-Protokollen verarbeiten und auswerten. In dieser vollständig überarbeiteten Ausgabe werden Sie sich mit intelligenten Algorithmen beschäftigen, die einen echten Mehrwert aus Daten ziehen. Die wichtigsten Konzepte des maschinellen Lernens werden anhand von Codebeispielen in Python's scikit-learn erklärt. Dieses Buch führt Sie durch Algorithmen zur Erfassung, Speicherung und Strukturierung von Datenströmen aus dem Web. Sie lernen Empfehlungsmaschinen kennen und tauchen in die Klassifizierung mit statistischen Algorithmen, neuronalen Netzen und Deep Learning ein.
Was ist drin?
⬤ Einführung in das maschinelle Lernen.
⬤ Extrahieren von Strukturen aus Daten.
⬤ Deep Learning und neuronale Netze.
⬤ Wie Empfehlungsmaschinen funktionieren.
Über den Leser
Kenntnisse in Python werden vorausgesetzt.
Über die Autoren
Douglas McIlwraith ist Experte für maschinelles Lernen und Datenwissenschaftler auf dem Gebiet der Online-Werbung. Dr. Haralambos Marmanis ist ein Pionier bei der Anwendung von Techniken des maschinellen Lernens für industrielle Lösungen. Dmitry Babenko entwickelt Anwendungen für das Bank- und Versicherungswesen und das Management der Lieferkette. Vorwort von Yike Guo.
Inhaltsverzeichnis
⬤ Erstellung von Anwendungen für das intelligente Web.
⬤ Strukturen aus Daten gewinnen: Clustering und Umwandlung Ihrer Daten.
⬤ Empfehlung relevanter Inhalte.
⬤ Klassifizierung: Dinge dort platzieren, wo sie hingehören.
⬤ Fallstudie: Klickvorhersage für Online-Werbung.
⬤ Tiefes Lernen und neuronale Netze.
⬤ Die richtige Wahl treffen.
⬤ Die Zukunft des intelligenten Webs.
⬤ Anhang - Datenerfassung im Web.
Weitere Daten des Buches:
| ISBN: | 9781617292583 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2016 |
| Seitenzahl: | 240 |
Kauf:
Derzeit verfügbar, auf Lager.
