Bewertung:
Das Buch vermittelt ein grundlegendes Verständnis von KI und neuronalen Netzen unter Verwendung von R, leidet aber unter grammatikalischen Problemen und mangelnder Tiefe in bestimmten Bereichen. Während es als gut strukturiert und klar für Anfänger geschätzt wird, weisen viele Rezensenten auf die Mängel bei der Schreibqualität und der Abdeckung bestimmter Inhalte hin.
Vorteile:⬤ Gut geschriebene und sequentielle Präsentation
⬤ gut für Anfänger
⬤ prägnante Erklärungen
⬤ nützliche R-Beispiele
⬤ verbindet Theorie mit realen Beispielen
⬤ sehr empfehlenswert für R-Programmier- und Data Science-Enthusiasten.
⬤ Enthält grammatikalische Probleme und seltsames Englisch
⬤ mangelnde Tiefe in den Themen
⬤ einige Aussagen sind unwissenschaftlich
⬤ Grafiken von schlechter Qualität
⬤ kleine Schriftgröße für Formeln
⬤ insgesamt könnte besser geschrieben sein angesichts des Preises.
(basierend auf 10 Leserbewertungen)
Neural Networks with R: Build smart systems by implementing popular deep learning models in R
Mit Hilfe dieses umfassenden Leitfadens schaffen Sie eine solide Grundlage für den Einstieg in die Welt des maschinellen Lernens und der Datenwissenschaft.
Hauptmerkmale
⬤ Starten Sie in das Feld des maschinellen Lernens mit Hilfe dieses soliden, konzeptreichen und dennoch äußerst praktischen Handbuchs.
⬤ Ihre Komplettlösung für alles, was für die Beherrschung der Algorithmen des maschinellen Lernens und deren Implementierung wichtig ist.
⬤ Verschaffen Sie sich eine solide Grundlage für Ihren Einstieg in das Maschinelle Lernen, indem Sie Ihre Wurzeln (Algorithmen) mit diesem umfassenden Leitfaden stärken.
Buchbeschreibung
Da die Datenmenge weiterhin in einem fast unfassbaren Tempo wächst, wird die Fähigkeit, Daten zu verstehen und zu verarbeiten, zu einem wichtigen Unterscheidungsmerkmal für wettbewerbsfähige Unternehmen. Anwendungen des maschinellen Lernens sind allgegenwärtig, von selbstfahrenden Autos über Spam-Erkennung, Dokumentensuche und Handelsstrategien bis hin zur Spracherkennung. Daher eignet sich maschinelles Lernen hervorragend für die heutige Ära von Big Data und Data Science. Die größte Herausforderung besteht darin, Daten in verwertbares Wissen umzuwandeln.
In diesem Buch lernen Sie alle wichtigen Algorithmen des maschinellen Lernens kennen, die üblicherweise im Bereich der Datenwissenschaft verwendet werden. Diese Algorithmen können sowohl für überwachtes als auch für unüberwachtes Lernen, verstärkendes Lernen und halbüberwachtes Lernen verwendet werden. Einige bekannte Algorithmen, die in diesem Buch behandelt werden, sind lineare Regression, logistische Regression, SVM, Naive Bayes, K-Means, Random Forest, TensorFlow und Feature Engineering. In diesem Buch lernen Sie auch, wie diese Algorithmen funktionieren und wie sie in der Praxis eingesetzt werden, um Ihre Probleme zu lösen. Dieses Buch führt Sie auch in die Natural Processing Language und Empfehlungssysteme ein, die Ihnen helfen, mehrere Algorithmen gleichzeitig auszuführen.
Nach Abschluss des Buches werden Sie die Auswahl von Algorithmen des maschinellen Lernens für Clustering, Klassifizierung oder Regression je nach Problemstellung beherrschen.
Was Sie lernen werden
⬤ Machen Sie sich mit wichtigen Elementen des maschinellen Lernens vertraut.
⬤ Verstehen Sie den Prozess der Feature-Auswahl und des Feature-Engineerings.
⬤ Beurteilen Sie die Leistung und Fehlerabwägung bei der linearen Regression.
⬤ Erstellen Sie ein Datenmodell und verstehen Sie, wie es mit verschiedenen Algorithmentypen funktioniert.
⬤ Lernen, wie man die Parameter von Support Vector Machines abstimmt.
⬤ Einführung von Clustern in einen Datensatz.
⬤ Erforschen Sie das Konzept der natürlichen Sprachverarbeitung und der Empfehlungssysteme.
⬤ Erstellen Sie eine ML-Architektur von Grund auf.
Für wen ist dieses Buch gedacht?
Dieses Buch richtet sich an IT-Fachleute, die in den Bereich der Datenwissenschaft einsteigen wollen und noch keine Erfahrung mit maschinellem Lernen haben. Vertrautheit mit Sprachen wie R und Python wird hier von unschätzbarem Wert sein.
| ISBN: | 9781788397872 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
