Gratis Bücher Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional), by Vahid Mirjalili
Lots of people who achieve success as well as wise have excellent reading habit. Also their reading products are various. When you are diligent enough to do reviewing every day, even couple of minutes in your leisure, your success and also reputation will create. Individuals who are looking at you might be admired about exactly what you do. It will give bit confidence to enhance. So, when you have no idea regarding just what to do in your downtime now, let's examine to the connect to obtain the Machine Learning Mit Python Und Scikit-Learn Und TensorFlow: Das Umfassende Praxis-Handbuch Für Data Science, Predictive Analytics Und Deep Learning (mitp Professional), By Vahid Mirjalili and review it sooner.
Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional), by Vahid Mirjalili
Gratis Bücher Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional), by Vahid Mirjalili
Sie liegen viel mehr Erfahrungen und das Verständnis durch die Veröffentlichung der Überprüfung qualifiziert Machine Learning Mit Python Und Scikit-Learn Und TensorFlow: Das Umfassende Praxis-Handbuch Für Data Science, Predictive Analytics Und Deep Learning (mitp Professional), By Vahid Mirjalili Dies ist ein Buch , das Sie suchen , ist es nicht? Stimmt. Sie haben den idealen Ort besorgt, dann. Wir bieten Ihnen konsequent Machine Learning Mit Python Und Scikit-Learn Und TensorFlow: Das Umfassende Praxis-Handbuch Für Data Science, Predictive Analytics Und Deep Learning (mitp Professional), By Vahid Mirjalili und eines der beliebtesten Bücher in der ganzen Welt zum Download und geschätzt zu lesen. Sie können nicht übersehen , dass diese Sammlung Besuch eine Funktion oder vielleicht durch unbeabsichtigte.
When other people have started to read the books, are you still the one that consider worthless activity? Don't bother, checking out habit can be expanded once in a while. Lots of people are so hard to start to like analysis, Furthermore reviewing a book. Book may be a ting to show only in the rack or library. Book may be simply a point likely cushion for your sleeping. And now, we have various aspect of guide to check out. Machine Learning Mit Python Und Scikit-Learn Und TensorFlow: Das Umfassende Praxis-Handbuch Für Data Science, Predictive Analytics Und Deep Learning (mitp Professional), By Vahid Mirjalili that we offer here is the soft documents.
Yeah, soft data becomes a reason you should read this book. If you bring the printed publication for some areas, it will make your bag to be larger. When you could stick with the soft file, it will not should bring heavy thing. However, the Machine Learning Mit Python Und Scikit-Learn Und TensorFlow: Das Umfassende Praxis-Handbuch Für Data Science, Predictive Analytics Und Deep Learning (mitp Professional), By Vahid Mirjalili in soft data can be an option when you go for some places or stay at residence. Please read this publication. It is not only the suggestion; it will certainly be inspirations for you as well as you're your life to move on much better.
When someone should know something, this publication will most likely assist to find the answer. The reason that analysis Machine Learning Mit Python Und Scikit-Learn Und TensorFlow: Das Umfassende Praxis-Handbuch Für Data Science, Predictive Analytics Und Deep Learning (mitp Professional), By Vahid Mirjalili is a have to is that it will certainly offers you a brand-new method or better way. When somebody aims to make an initiative to be success in particular point, it will certainly help you to understand just how the important things will be. Well, the simple way is that you might get involved directly to act in your life after reading this book as one of your life sources.
Über den Autor und weitere Mitwirkende
Sebastian Raschka verfügt über jahrelange Erfahrung in der Python-Programmierung und leitete mehrere Seminare über praktische Data-Science-Anwendungen, Machine Learning und Deep Learning u.a. auf der SciPy-Konferenz. Vahid Mirjalili erforscht Anwendungen des Machine Learnings in verschiedenen Computer-Vision-Projekten (»maschinelles Sehen«) am Fachbereich für Informatik und Ingenieurswesen an der Michigan State University.
Produktinformation
Broschiert: 584 Seiten
Verlag: mitp; Auflage: 2. überarbeitete Auflage 2018 (22. Dezember 2017)
Sprache: Deutsch
ISBN-10: 3958457339
ISBN-13: 978-3958457331
Größe und/oder Gewicht:
16,9 x 3,2 x 23,8 cm
Durchschnittliche Kundenbewertung:
5.0 von 5 Sternen
2 Kundenrezensionen
Amazon Bestseller-Rang:
Nr. 100.090 in Bücher (Siehe Top 100 in Bücher)
Ich hatte bereits die 1. Auflage von Sebastian Raschka rezensiert und gelobt. Ich nutze das Buch, nun in der zweiten Auflage, für meine Lehre im Bereich Data Science / Machine Learning. Die zweite Auflage ist überarbeitet und vom hinzugekommenen Co-Author, Vahid Mirjalili, um weitere Kapitel ergänzt worden. Die neuen Kapitel erklären die künstlichen neuronalen Netze noch mehr im Detail und führen - erst mit Code und dann mit Prinzip-Erklärungen - in TensorFlow ein.Der große Vorteil des Buches ist der richtige Mix aus mathematischen Erklärungen, Erklärungen mit Programmierbeispielen ohne Bibliothek (abgesehen von numpy, pandas...) und Programmierbeispielen mit den ML-Bibliotheken Sklearn und (nun ab der 2. Auflage) TensorFlow.Sehr gut! Klare Empfehlung!
Ich habe bereits die erste Auflage des Buches gelesen und hab jetzt auch die zweiteAuflage gelesen, und konnte mir einen Einblick darüber machen, was sich soalles verändert hat.Was steht drin------------------Die zweite Auflage unterteilt sich in 16 Kapiteln, die insgesamt 585 Seiten umfassen.Im Vergleich zur Vorauflage sind drei Kapitel und über 150 Seiten dazu gekommen.Die ersten Kapitel beginnt mit den Grundlagen des maschinellen Lernens. So wirdzu Beginn auf die drei verschiedenen Arten des Lernens eingegangen und an Hand vonBeispielen erläutert. Anschließend geht es zügig weiter und man programmiert denersten Lernalgorithmus. Im dritten Kapitel wird in die Bibliothek scikit-learn eingeführt,womit weiterführende Lernalgorithmen implementiert werden. Im vierten und fünftenKapitel geht es anschließend um die Datenvorverarbeitung sowie die Datenkomprimierung.Die ersten fünf Kapitel dienten dazu die Grundlagen zu vermitteln. Ab dem sechstenKapitel geht es an die tiefergehenden Themen, die allerdings ebenfalls für einerfolgreiches Einsetzen von Machine Learning Verfahren in der Praxis benötigt werden.Das sechte Kapitel behandelt etwa die Best Practices zur Modellbewertung sowiedie Abstimmung von Hyperparameter. Weiter geht es im siebten Kapitel mit der Kombinationverschiedener Modelle für das Ensemble Learning. Das achte Kapitel beinhaltetein Praxisbeispiel um die Stimmungslagen zu analysieren, wo Verfahren des NaturalLanguage Processings verwendet werden.Während in der ersten Hälfte des Buches vor allem „einfache“ Skripte geschriebenwerden, wird sich im neunten Kapitel mit einem Praxisbeispiel beschäftigt, wie maneine Webanwendung schreibt, die ein Machine-Learning-Modell eingebettet hat. Daszehnte Kapitel befasst sich anschließend mit der Vorhersage stetiger Zielvariablendurch Regressionsanalyse gefolgt vom 11. Kapitel zur Clusteranalyse mit nichtvorher klassifizierten Daten. Im zwölften Kapitel geht es anschließend um die Implementierungeines künstlichen neuronalen Netzes.Ab dem 13. Kapitel beginnen die neuen Kapitel, die nicht in der ersten Auflagevorhanden waren. So erfolgt in diesem Kapitel die Einführung in TensorFlow. Dabeiwird sowohl auf TensorFlow als auch auf die Bibliothek Keras eingegangen. Währenddas Kapitel eher als Einstieg in TensorFlow diente, geht es im 14. Kapitel um diedetaillierte Funktionsweise von TensorFlow. Das Buch schließt mit einem Kapitelüber die Klassifizierung von Bildern, sowie einem Kapitel über die Modellierungsequenzieller Daten durch rekurrente neuronale Netze ab.Kritik------Das Buch ist im Vergleich zur ersten Auflage noch umfangreicher geworden. Das bereitsdicke Buch ist also noch dicker geworden, durch die Hinzunahme von weiteren drei Kapiteln.Die ersten zwölf Kapitel sind im wesentlichen gleich geblieben, zumindest habeich keine sehr großen Änderungen beim drüberlesen feststellen können. Interessanterwaren da die neuen Kapitel, die sich endlich mit TensorFlow ausseinandersetzen,was heutzutage ja schon der Defacto Standard sein dürfte. Das Buch ist definitivnichts für Einsteiger. Um möglichst wenig separat nachlesen zu müssen, ist es sehrvorteilhaft und empfehlenswert schon Erfahrungen in der Entwicklung mit Pythonzu besitzen. Aus dem Bereich des Machine Learnings sind ebenfalls Vorkenntnissesinnvoll, aber nicht zwangsläufig notwendig.Das Buch ist von zwei Wissenschaftlern geschrieben und das merkt man auch. So sindviele Formeln enthalten, die ich garnicht erst versucht habe, nachzuvollziehen.Am allgemeinen Verständnis hat es daran aber auch nicht geschadet, sodass man diesegetrost überspringen kann, sofern man höhere Mathematik nicht gewohnt ist.Ich für meinen Teil konnte aus diesem Buch diverse Informationen herausziehen dieich auch in der Praxis anwenden konnte. So konnte ich viele Informationen und Beispielefür meine Masterarbeit verwenden, wo es ebenfalls um die Anwendung von Machine LearningVerfahren ging. So brachte das Buch eine umfassende Hilfestellung von derDatenvorverarbeitung über die Implementierung, Testen und Validierung der Ergebnisse.Ein Punkt finde ich bei diesem Buch aber verbesserungswürdig: Die Nutzung von Kerasund TensorFlow erfolgt erst in den „neuen“ Kapiteln und nicht in den vorherigen.Dort wird noch scikit-learn verwendet. Für das Beibringen von den Grundlagen istdies zwar auch in Ordnung. Einfacher wäre es aber, auch dort bereits TensorFlowund Keras zu verwenden, damit man als Leser sich nicht gleich mit zwei bzw. dreiBibliotheken beschäftigen muss, wenn scikit-learn nicht in der Praxis am Endeverwendet werden soll.
Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional), by Vahid Mirjalili PDF
Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional), by Vahid Mirjalili EPub
Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional), by Vahid Mirjalili Doc
Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional), by Vahid Mirjalili iBooks
Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional), by Vahid Mirjalili rtf
Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional), by Vahid Mirjalili Mobipocket
Machine Learning mit Python und Scikit-Learn und TensorFlow: Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning (mitp Professional), by Vahid Mirjalili Kindle
Tidak ada komentar:
Posting Komentar