Maschinelles Lernen mit Microsoft-Technologien: Die Auswahl der richtigen Architektur und Tools für Ihr Projekt

Leserbewertungen

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 7 Stimmen.

Machine Learning with Microsoft Technologies: Selecting the Right Architecture and Tools for Your Project

Teil I: Erste Schritte

Kapitel 1: Einführung in das maschinelle Lernen

Kapitel 2: Einführung in R

Kapitel 3: Einführung in Python

Kapitel 4: R-Visualisierung in Power BI

Teil II: Maschinelles Lernen mit R und Power BI

Kapitel 5: Business Understanding

Kapitel 6: Data Wrangling für prädiktive Analysen

Kapitel 7: Prädiktive Analyse in Power Query mit R

Kapitel 8: Deskriptive Analyse in Power Query mit R

Teil III: Maschinelles Lernen mit SQL Server

Kapitel 9: Verwendung von R mit SQL Server 2016 und 2017

Teil IV: Maschinelles Lernen in Azure

Kapitel 10:Azure DataBricks

Kapitel 11: R in Azure Data Lake

Kapitel 12: Azure Machine Learning Studio

Kapitel 13: Maschinelles Lernen in Azure Stream Analytics

Kapitel 14: Azure Machine Learning (ML) Workbench

Kapitel 15: Maschinelles Lernen auf HDInsight

Kapitel 16:Data Science Virtual Machine und AI Framework

Kapitel 17: Deep Learning Tools mit Cognitive Toolkit (CNTK)

Teil V:Data Science Virtual Machine

Kapitel 18: Cognitive Service Toolkit

Kapitel 19:Bot Framework

Kapitel 20:Überblick über Microsoft Machine Learning Tools

Derzeit verfügbar, auf Lager.