Leserbewertungen
Zusammenfassung:Insgesamt vermittelt das Buch ein umfassendes Verständnis des maschinellen Lernens, insbesondere für diejenigen, die über Kenntnisse in der Python-Programmierung verfügen. Allerdings gibt es erhebliche Bedenken hinsichtlich der Druckqualität und einiger Ungenauigkeiten in den Deep-Learning-Abschnitten.
Vorteile:⬤ Gut strukturierte Inhalte, die effektiv in die Konzepte des maschinellen Lernens einführen.
⬤ Klare Erklärungen von mathematischen Konzepten, Algorithmen und praktischen Beispielen.
⬤ Wertvoll für diejenigen, die Erfahrung mit der Python-Programmierung haben.
⬤ Gutes Gleichgewicht zwischen Theorie und praktischer Programmierung.
⬤ Hilfreich als Nachschlagewerk für Studenten und Praktiker.
⬤ Schlechte Druckqualität in physischen Kopien, oft als verschmiert oder verblasst beschrieben.
⬤ Einige Deep-Learning-Abschnitte können unklar sein und Ungenauigkeiten enthalten.
⬤ Schwarz-Weiß-Diagramme können das Verständnis für bestimmte Konzepte beeinträchtigen.
⬤ Der bereitgestellte Code läuft möglicherweise nicht ohne bestimmte Paketversionen, was frustrierend sein kann.
(basierend auf 71 Leserbewertungen)
Originaltitel:
Python Machine Learning - Third Edition: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2
Inhalt des Buches:
Angewandtes maschinelles Lernen mit einer soliden Grundlage in der Theorie. Überarbeitet und erweitert für TensorFlow 2, GANs und Reinforcement Learning.
Hauptmerkmale
⬤ Dritte Auflage des Bestsellers, des weithin gefeierten Python-Buches zum maschinellen Lernen.
⬤ Klare und intuitive Erklärungen führen Sie tief in die Theorie und Praxis des maschinellen Lernens mit Python ein.
⬤ Vollständig aktualisiert und erweitert, um TensorFlow 2, Generative Adversarial Network-Modelle, Reinforcement Learning und Best Practices abzudecken.
Buchbeschreibung
Python Machine Learning, Third Edition ist ein umfassender Leitfaden für maschinelles Lernen und Deep Learning mit Python. Es dient sowohl als Schritt-für-Schritt-Tutorial als auch als Nachschlagewerk, auf das Sie immer wieder zurückkommen werden, wenn Sie Ihre maschinellen Lernsysteme aufbauen.
Das Buch ist vollgepackt mit klaren Erklärungen, Visualisierungen und Arbeitsbeispielen und deckt alle wesentlichen Techniken des maschinellen Lernens in der Tiefe ab. Während man in anderen Büchern nur lernt, Anweisungen zu befolgen, vermitteln Raschka und Mirjalili in diesem Buch über maschinelles Lernen die Prinzipien, die dem maschinellen Lernen zugrunde liegen, so dass Sie selbst Modelle und Anwendungen erstellen können.
Diese neue dritte Auflage wurde für TensorFlow 2.0 aktualisiert und führt die Leser in die neuen Keras-API-Funktionen sowie in die neuesten Ergänzungen zu scikit-learn ein. Es wurde auch erweitert, um modernste Verstärkungslerntechniken auf der Grundlage von Deep Learning sowie eine Einführung in GANs abzudecken. Schließlich wird in diesem Buch auch ein Teilbereich der Verarbeitung natürlicher Sprache (NLP), die Sentimentanalyse, behandelt, so dass Sie lernen, wie Sie Algorithmen des maschinellen Lernens zur Klassifizierung von Dokumenten einsetzen können.
Dieses Buch ist Ihr Begleiter für maschinelles Lernen mit Python, egal ob Sie ein Python-Entwickler sind, der neu im Bereich maschinelles Lernen ist, oder ob Sie Ihr Wissen über die neuesten Entwicklungen vertiefen möchten.
Was Sie lernen werden
⬤ Beherrschen Sie die Frameworks, Modelle und Techniken, die es Maschinen ermöglichen, aus Daten zu "lernen".
⬤ Scikit-Learn für maschinelles Lernen und TensorFlow für Deep Learning verwenden.
⬤ Maschinelles Lernen auf Bildklassifizierung, Stimmungsanalyse, intelligente Webanwendungen und mehr anwenden.
⬤ Neuronale Netze, GANs und andere Modelle erstellen und trainieren.
⬤ Entdecken Sie bewährte Verfahren zur Bewertung und Abstimmung von Modellen.
⬤ Vorhersage von kontinuierlichen Zielergebnissen mithilfe von Regressionsanalysen.
⬤ Vertiefen Sie Ihre Kenntnisse über Text- und soziale Mediendaten mithilfe der Stimmungsanalyse.
Für wen ist dieses Buch gedacht?
Wenn Sie Python beherrschen und sich mit maschinellem Lernen und Deep Learning beschäftigen wollen, sollten Sie dieses Buch in die Hand nehmen. Ganz gleich, ob Sie bei Null anfangen oder Ihr Wissen über maschinelles Lernen erweitern wollen, dieses Buch ist eine unverzichtbare Ressource. Dieses Buch richtet sich an Entwickler und Datenwissenschaftler, die praktischen Code für maschinelles Lernen und Deep Learning erstellen wollen, und ist ideal für alle, die Computern beibringen wollen, wie sie aus Daten lernen können.
Weitere Daten des Buches:
| ISBN: | 9781789955750 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 770 |
Kauf:
Derzeit verfügbar, auf Lager.
