Leserbewertungen
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 10 Stimmen.
Originaltitel:
Hands-on Supervised Learning with Python: Learn How to Solve Machine Learning Problems with Supervised Learning Algorithms Using Python
Inhalt des Buches:
Praktische ML-Problemlösung und Erstellung von Lösungen mit Python.
Hauptmerkmale
⬤ Einführung in die Python-Programmierung.
⬤ Python für maschinelles Lernen.
⬤ Einführung in das maschinelle Lernen.
⬤ Einführung in die prädiktive Modellierung, überwachte und unüberwachte Algorithmen.
⬤ Lineare Regression, logistische Regression und Support-Vektor-Maschinen.
Beschreibung
Sie lernen die Grundlagen des maschinellen Lernens und der Python-Programmierung kennen. Sie werden in die prädiktive Modellierung und die verschiedenen Methoden der prädiktiven Modellierung eingeführt. Sie werden in Algorithmen des überwachten Lernens und des unüberwachten Lernens eingeführt und lernen den Unterschied zwischen ihnen kennen.
Wir werden uns auf das Erlernen von Algorithmen des überwachten maschinellen Lernens konzentrieren, die lineare Regression, logistische Regression, Support Vector Machines, Entscheidungsbäume und künstliche neuronale Netze umfassen. Für jeden dieser Algorithmen werden Sie praktisch mit Open-Source-Datensätzen arbeiten und Python-Programmierung verwenden, um die maschinellen Lernalgorithmen zu programmieren. Sie werden lernen, wie man die Daten bereinigt und die Merkmale optimiert, um die besten Ergebnisse aus Ihrem maschinellen Lernmodell herauszuholen. Sie werden die verschiedenen Parameter kennenlernen, die die Genauigkeit Ihres Modells bestimmen, und erfahren, wie Sie Ihr Modell anhand der Reflexion dieser Parameter abstimmen können.
Was werden Sie lernen?
⬤ Sie erhalten eine klare Vorstellung davon, was maschinelles Lernen ist und werden mit den Grundprinzipien des maschinellen Lernens vertraut.
⬤ Sie verstehen die sprachspezifischen Python-Bibliotheken, die für maschinelles Lernen zur Verfügung stehen, und können mit diesen Bibliotheken arbeiten.
Erforschen Sie die verschiedenen Algorithmen des maschinellen Lernens, die auf dem überwachten Lernen basieren, und wissen Sie, wie Sie diese implementieren können, wenn Ihnen ein Anwendungsfall in Echtzeit präsentiert wird.
⬤ Sie haben praktische Erfahrung mit Datenexploration, Datenbereinigung, Datenvorverarbeitung und Modellimplementierung.
⬤ Lernen Sie die Grundlagen des Deep Learning und einige interessante Algorithmen in diesem Bereich kennen.
⬤ Wählen Sie das richtige Modell auf der Grundlage Ihrer Problemstellung aus und arbeiten Sie mit EDA-Techniken, um eine gute Genauigkeit Ihres Modells zu erreichen.
Für wen ist dieses Buch gedacht?
Dieses Buch richtet sich an alle, die an einem Verständnis des maschinellen Lernens interessiert sind. Einsteiger, Ingenieure für maschinelles Lernen und Datenwissenschaftler, die sich mit Algorithmen des überwachten Lernens vertraut machen wollen, werden dieses Buch hilfreich finden.
Inhaltsverzeichnis
1. Einführung in die Python-Programmierung.
2. Python für maschinelles Lernen.
3. Einführung in das maschinelle Lernen.
4. Überwachtes Lernen und unüberwachtes Lernen.
5. Lineare Regression: Ein praktischer Leitfaden 6. Logistische Regression - Eine Einführung.
7. Ein kurzer Einblick in die Funktionsweise von Support Vector Machines (SVM)
8. Entscheidungsbäume.
9. Zufällige Wälder.
10. Zeitreihenmodelle im maschinellen Lernen.
11. Einführung in Neuronale Netze.
12. Rekurrente Neuronale Netze.
13. Faltungsneuronale Netze.
14. Leistungsmetriken.
15. Einführung in Design Thinking.
16. Design Thinking Fallstudie.
Weitere Daten des Buches:
| ISBN: | 9789389328974 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Kauf:
Derzeit verfügbar, auf Lager.
