Bewertung:

Das Buch wird für seine umfassende Abdeckung von Konzepten des maschinellen Lernens und praktischen Beispielen gelobt, aber es wird kritisiert, dass es sich trotz der Veröffentlichung von TensorFlow 2 stark auf TensorFlow 1 stützt. Benutzer schätzen den ansprechenden Schreibstil und die Tiefe der Informationen, weisen aber auch auf technische Fehler und veraltete Inhalte hin.
Vorteile:Umfassende Abdeckung der Grundlagen des maschinellen Lernens, praktische Beispiele, ansprechender Schreibstil, gute Erklärung des Codes, Verfügbarkeit von zusätzlichen Ressourcen wie E-Books und Online-Updates.
Nachteile:Veraltete Inhalte, die sich auf TensorFlow 1 konzentrieren, technische Fehler in den Beispielen, fragwürdige redaktionelle Entscheidungen (z.B. farbige Diagramme in schwarz-weiß), uneinheitliches Tempo mit unzureichender Deep-Learning-Abdeckung.
(basierend auf 10 Leserbewertungen)
Machine Learning with Tensorflow, Second Edition
Diese vollständig überarbeitete zweite Auflage von Machine Learning with TensorFlow lehrt Sie die grundlegenden Konzepte des maschinellen Lernens und wie Sie die TensorFlow-Bibliothek nutzen können, um schnell leistungsstarke ML-Modelle zu erstellen. Sie lernen die Grundlagen von Regressions-, Klassifikations- und Clustering-Algorithmen und wenden sie an, um reale Herausforderungen zu lösen.
Neue und überarbeitete Inhalte erweitern die Abdeckung der wichtigsten Algorithmen des maschinellen Lernens und die Fortschritte bei neuronalen Netzwerken wie VGG-Face Gesichtsidentifikationsklassifikatoren und Deep-Speech-Klassifikatoren. Das Buch wurde vom stellvertretenden CTO und leitenden Datenwissenschaftler des NASA JPL, Chris Mattmann, geschrieben.
Alle Beispiele werden von herunterladbaren Jupyter Notebooks begleitet, die eine praktische Erfahrung bei der Kodierung von TensorFlow mit Python ermöglichen. Der Kauf des gedruckten Buches beinhaltet ein kostenloses eBook im PDF-, Kindle- und ePub-Format von Manning Publications.