Hands-On Machine Learning mit Python: Neuronale Netzwerklösungen mit Scikit-Learn und Pytorch implementieren

Bewertung: ⭐⭐⭐⭐  (4,0 von 5)

Leserbewertungen

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.

Originaltitel:

Hands-On Machine Learning with Python: Implement Neural Network Solutions with Scikit-Learn and Pytorch

Inhalt des Buches:

Dies ist der perfekte umfassende Leitfaden für Leser mit grundlegenden bis mittleren Kenntnissen über maschinelles Lernen und Deep Learning. Es stellt Werkzeuge wie NumPy für die numerische Verarbeitung, Pandas für die Analyse von Paneldaten, Matplotlib für die Visualisierung, Scikit-learn für maschinelles Lernen und Pytorch für Deep Learning mit Python vor. Es dient auch als Langzeit-Referenzhandbuch für Praktiker, die Lösungen für häufig auftretende Szenarien finden werden.

Das Buch ist in drei Abschnitte unterteilt. Der erste Abschnitt führt Sie in das Number Crunching und die Datenanalyse mit Python ein und erläutert ausführlich die Konfiguration der Umgebung, das Laden von Daten, die numerische Verarbeitung, die Datenanalyse und Visualisierungen. Der zweite Abschnitt behandelt die Grundlagen des maschinellen Lernens und die Bibliothek Scikit-learn. Außerdem werden überwachtes Lernen, unüberwachtes Lernen, Implementierung und Klassifizierung von Regressionsalgorithmen und Ensemble-Lernmethoden auf einfache Art und Weise mit theoretischen und praktischen Lektionen erklärt. Der dritte Abschnitt erklärt komplexe neuronale Netzwerkarchitekturen mit Details zur internen Funktionsweise und Implementierung von faltigen neuronalen Netzwerken. Das letzte Kapitel enthält eine detaillierte End-to-End-Lösung mit neuronalen Netzen in Pytorch.

Nach Abschluss des Kurses Hands-on Machine Learning with Python sind Sie in der Lage, Lösungen für maschinelles Lernen und neuronale Netze zu implementieren und zu Ihrem Vorteil zu erweitern.

Was Sie lernen werden

⬤ Datenstrukturen in NumPy und Pandas kennenlernen.

⬤ Demonstrieren Sie Techniken und Algorithmen des maschinellen Lernens.

⬤ Überwachtes Lernen und unüberwachtes Lernen verstehen.

⬤ Faltungsneuronale Netze und rekurrente neuronale Netze untersuchen.

⬤ Kennenlernen von Scikit-Learn und PyTorch.

⬤ Sequenzen in rekurrenten neuronalen Netzen und im Langzeitgedächtnis vorhersagen.

Für wen ist dieses Buch gedacht?

Datenwissenschaftler, Ingenieure für maschinelles Lernen und Softwareexperten mit Grundkenntnissen in der Python-Programmierung.

Weitere Daten des Buches:

• ISBN: 9781484279205
• Autor: Ashwin Pajankar
• Verlag: Apress
• Sprache: Englisch
• Einband: Taschenbuch
• Erscheinungsjahr: 2022
• Seitenzahl: 335