Bewertung:
Das Buch „Maschinelles Lernen mit Python für jedermann“ von Dr. Mark Fenner wird für seinen klaren, praktischen Ansatz zur Vermittlung von maschinellem Lernen, insbesondere für Anfänger, hoch gelobt. Es vereinfacht komplexe Konzepte und vermeidet schwere mathematische Inhalte, während es ansprechende Beispiele in Python liefert. Einige Leser sind jedoch der Meinung, dass ein umfassendes Tutorium zur Einrichtung der Lernumgebung fehlt, insbesondere mit Jupyter, und dass sie mehr praktische Projekte benötigen, die sie direkt ausführen können.
Vorteile:⬤ Klare und praktische Darstellung der Konzepte des maschinellen Lernens.
⬤ Zugänglich für absolute Anfänger mit wenig mathematischem Hintergrund.
⬤ Informeller und angenehmer Schreibstil.
⬤ Hochwertige Beispiele, die auf Heimcomputern ausgeführt werden können.
⬤ Positive Rückmeldungen über die Reaktionsfähigkeit des Autors auf Fragen.
⬤ Fehlen einer detaillierten Anleitung für die Einrichtung der Umgebung, insbesondere von Jupyter.
⬤ Erfordert die manuelle Eingabe von Python-Code, was für manche mühsam sein kann.
⬤ Begrenzte Anzahl praktischer Projekte verfügbar.
(basierend auf 5 Leserbewertungen)
Machine Learning with Python for Everyone
Das Buch The Complete Beginner's Guide to Understanding and Building Machine Learning Systems with Python
Maschinelles Lernen mit Python für jedermann wird Ihnen helfen, die Prozesse, Muster und Strategien zu beherrschen, die Sie benötigen, um effektive Lernsysteme zu erstellen, selbst wenn Sie ein absoluter Anfänger sind. Wenn Sie Python-Code schreiben können, ist dieses Buch genau das Richtige für Sie, unabhängig davon, wie wenig Mathematik Sie auf College-Niveau beherrschen. Der Hauptreferent Mark E. Fenner setzt auf leicht verständliche Geschichten, Bilder und Python-Beispiele, um die Ideen des maschinellen Lernens zu vermitteln.
Mark E. Fenner beginnt mit einer Erläuterung des maschinellen Lernens und seiner Möglichkeiten, führt auf verständliche Art und Weise in die wichtigsten mathematischen und rechnerischen Themen ein und führt Sie durch die ersten Schritte beim Aufbau, Training und der Bewertung von lernenden Systemen. Schritt für Schritt vervollständigen Sie die Komponenten eines praktischen Lernsystems, erweitern Ihren Werkzeugkasten und erforschen einige der anspruchsvollsten und aufregendsten Techniken in diesem Bereich. Ganz gleich, ob Sie Student, Analyst, Wissenschaftler oder Hobbyist sind, die Erkenntnisse dieses Handbuchs werden auf jedes Lernsystem anwendbar sein, das Sie jemals bauen oder verwenden.
⬤ Verstehen Sie die Algorithmen und Modelle des maschinellen Lernens sowie die wichtigsten Konzepte des maschinellen Lernens.
⬤ Klassifizieren Sie Beispiele mit Klassifikatoren und quantifizieren Sie Beispiele mit Regressoren.
⬤ Realistische Bewertung der Leistung von maschinellen Lernsystemen.
⬤ Mit Hilfe von Feature Engineering grobe Daten in nützliche Formen bringen.
⬤ Mehrere Komponenten zu einem System verketten und dessen Leistung abstimmen.
⬤ Maschinelle Lerntechniken auf Bilder und Texte anwenden.
⬤ Verbinden Sie die Kernkonzepte mit neuronalen Netzen und grafischen Modellen.
⬤ Nutzen Sie die Python-Bibliothek scikit-learn und andere leistungsstarke Tools.
Registrieren Sie Ihr Buch, um bequemen Zugang zu Downloads, Aktualisierungen und/oder Korrekturen zu erhalten, sobald diese verfügbar sind. Details finden Sie auf der Innenseite des Buches.
| ISBN: | 9780134845623 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2019 |
| Seitenzahl: | 592 |
Derzeit verfügbar, auf Lager.
