Leserbewertungen
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Originaltitel:
Supervised Machine Learning with Python
Inhalt des Buches:
Bringen Sie Ihrer Maschine bei, selbstständig zu denken! Hauptmerkmale Tauchen Sie ein in das überwachte Lernen und verstehen Sie, wie eine Maschine aus Daten lernt Implementieren Sie beliebte Algorithmen für maschinelles Lernen von Grund auf und entwickeln Sie dabei ein tiefes Verständnis Entdecken Sie einige der beliebtesten wissenschaftlichen und mathematischen Bibliotheken in der Sprache Python Buchbeschreibung
Überwachtes maschinelles Lernen wird in vielen Bereichen eingesetzt (z. B. im Finanzwesen, in der Online-Werbung und in der Analytik), da es Ihnen ermöglicht, Ihr System zu trainieren, um Preisvorhersagen, Kampagnenanpassungen, Kundenempfehlungen und vieles mehr zu treffen, während sich das System selbst anpasst und eigenständig Entscheidungen trifft. Daher ist es wichtig zu wissen, wie eine Maschine unter der Haube „lernt“.
Dieses Buch führt Sie durch die Implementierung und die Feinheiten vieler beliebter Algorithmen des überwachten maschinellen Lernens und vermittelt Ihnen dabei ein tiefes Verständnis. Sie beginnen diese Reise mit einem kurzen Überblick und erfahren, wie sich überwachtes maschinelles Lernen von unüberwachtem Lernen unterscheidet. Als Nächstes erforschen wir parametrische Modelle wie lineare und logistische Regression, nicht-parametrische Methoden wie Entscheidungsbäume und verschiedene Clustering-Techniken, die die Entscheidungsfindung und Vorhersage erleichtern. Im weiteren Verlauf werden Sie praktisch mit Empfehlungssystemen arbeiten, die von vielen Online-Unternehmen eingesetzt werden, um die Interaktion mit den Nutzern zu erhöhen und das Kaufpotenzial zu steigern. Abschließend werden Sie einen kurzen Streifzug durch neuronale Netze und Transfer Learning machen.
Am Ende dieses Buches werden Sie mit praktischen Techniken ausgestattet sein und das nötige praktische Know-how erworben haben, um Algorithmen schnell und effizient auf neue Probleme anzuwenden. Was Sie lernen werden Verstehen Sie, wie eine Maschine ein Konzept lernt und ihr Verständnis auf neue Daten verallgemeinert Entdecken Sie die grundlegenden Unterschiede zwischen parametrischen und nicht-parametrischen Modellen Implementieren und verstehen Sie mehrere bekannte Algorithmen für überwachtes Lernen von Grund auf Arbeiten Sie mit Modellen in Bereichen wie E-Commerce und Marketing Erweitern Sie Ihr Fachwissen und verwenden Sie verschiedene Algorithmen wie Regression, Entscheidungsbäume und Clustering Erstellen Sie Ihre eigenen Modelle, die Vorhersagen machen können Beschäftigen Sie sich mit den beliebtesten Ansätzen des Deep Learning wie Transfer Learning und neuronalen Netzen Für wen dieses Buch gedacht ist
Dieses Buch richtet sich an angehende Entwickler im Bereich des maschinellen Lernens, die einen Einstieg in das überwachte Lernen suchen. Fortgeschrittene Kenntnisse der Python-Programmierung - und einige grundlegende Kenntnisse des überwachten Lernens - werden vorausgesetzt. Inhaltsverzeichnis Erster Schritt zum überwachten Lernen Implementierung parametrischer Modelle Arbeit mit nicht-parametrischen Modellen Fortgeschrittene Themen des überwachten maschinellen Lernens
Weitere Daten des Buches:
| ISBN: | 9781838825669 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Kauf:
Derzeit verfügbar, auf Lager.
