Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 15 Stimmen.
Machine Learning Algorithms - Second Edition: Popular algorithms for data science and machine learning, 2nd Edition
Ein leicht verständlicher, schrittweiser Leitfaden für den Einstieg in die reale Anwendung von Algorithmen des maschinellen Lernens
Hauptmerkmale
⬤ Erforschen Sie Statistik und komplexe Mathematik für datenintensive Anwendungen.
⬤ Entdecken Sie neue Entwicklungen im EM-Algorithmus, der PCA und der bayesianischen Regression.
⬤ Untersuchen Sie Muster und machen Sie Vorhersagen für verschiedene Datensätze.
Buchbeschreibung
Das maschinelle Lernen hat aufgrund seiner leistungsstarken und schnellen Vorhersagen bei großen Datenmengen enorme Popularität erlangt. Die wahren Triebkräfte hinter den leistungsstarken Ergebnissen sind jedoch die komplexen Algorithmen, die eine umfangreiche statistische Analyse beinhalten, die große Datensätze durchforsten und umfangreiche Erkenntnisse liefern.
Diese zweite Ausgabe von Algorithmen des maschinellen Lernens führt Sie durch prominente Entwicklungsergebnisse, die im Zusammenhang mit Algorithmen des maschinellen Lernens stattgefunden haben, die wichtige Beiträge zum Prozess des maschinellen Lernens darstellen und Ihnen helfen, die statistische Interpretation in den Bereichen des überwachten, halbüberwachten und verstärkten Lernens zu stärken und zu beherrschen. Sobald die Kernkonzepte eines Algorithmus abgedeckt sind, werden Sie reale Beispiele auf der Grundlage der am weitesten verbreiteten Bibliotheken, wie scikit-learn, NLTK, TensorFlow und Keras, erkunden. Sie werden neue Themen wie Hauptkomponentenanalyse (PCA), unabhängige Komponentenanalyse (ICA), Bayes'sche Regression, Diskriminanzanalyse, fortgeschrittenes Clustering und Gaußsche Mischung entdecken.
Am Ende dieses Buches werden Sie Algorithmen des maschinellen Lernens studiert haben und in der Lage sein, sie in der Produktion einzusetzen, um Ihre Anwendungen des maschinellen Lernens innovativer zu gestalten.
Was Sie lernen werden
⬤ Studieren Sie die Merkmalsauswahl und den Prozess der Merkmalsentwicklung.
⬤ Bewertung von Leistungs- und Fehlerkompromissen bei der linearen Regression.
⬤ Erstellen Sie ein Datenmodell und verstehen Sie, wie es unter Verwendung verschiedener Algorithmen funktioniert.
⬤ Lernen, wie man die Parameter von Support Vector Machines (SVM) abstimmt.
⬤ Das Konzept der natürlichen Sprachverarbeitung (NLP) und der Empfehlungssysteme erforschen.
⬤ Erstellen Sie eine Architektur für maschinelles Lernen von Grund auf.
Für wen ist dieses Buch geeignet?
Machine Learning Algorithms ist für Sie, wenn Sie ein Ingenieur für maschinelles Lernen, ein Dateningenieur oder ein Junior-Datenwissenschaftler sind, der im Bereich der prädiktiven Analytik und des maschinellen Lernens vorankommen möchte. Vertrautheit mit R und Python ist ein zusätzlicher Vorteil, um das Beste aus diesem Buch herauszuholen.
| ISBN: | 9781789347999 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 522 |
Derzeit verfügbar, auf Lager.
