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
Wenn 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 für Sie zur Verfügung gestellt, es ist klar, dass dieses Buch für Sie sehr kompatibel ist. Das weiche Datei Prinzip das bringt zusätzlich eine einfache, wie Sie in dem Buch sicherlich begeistern wird. Offensichtlich kann in Führung erfreuen erfolgen nur durch die Analyse. Lesen Guides führen Sie immer jedes Wort zu erkennen zu komponieren und jeden Satz auszusprechen. Viele Menschen werden manchmal unterschiedliche Mittel haben, um ihre Worte auszusprechen. Dennoch aus dem Titel dieses Buches, sind wir sicher, dass Sie nur erkannt haben, was aus dem Buch zu antizipieren.
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
Reviewing ist ein Zeitvertreib das Wissen um Fenster zu öffnen. Außerdem kann es die Motivation und auch Geist bietet dieses Leben zu stellen. Durch die auf diese Weise gleichzeitig mit dem technologischen Fortschritt dienen zahlreiche Unternehmen des E-Book oder Veröffentlichung in Soft-Datei. Das System dieses Buch natürlich wird viel einfacher. Keine Sorge zum Scheitern verurteilt Führer zu erinnern, zu bringen. Sie können das Gerät öffnen und auch das Buch über das Internet erhalten.
Viele Menschen versuchen, ebenfalls zu bekommen diese 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 zu überprüfen. Es ist, da sie wird sicherlich immer das neue Leben aktualisieren, nicht nur auf ihrem Leben in ihrem Alter noch auch in dieser brandneuen expandierendes Ära. Wenn diese Publikation vorgeschlagen wird, warum müssen Sie dies sofort wählen? Dies ist eine Art von Publikation, die sehr viel mit dem Wachstum der Leben Top-Qualität hat. Auch dies ist ein fantastisches Buch; fühle mich so stört es Sie vielleicht nicht mit Möglichkeiten zu begreifen.
Sie können zu diesem Buch bevorzugen, weil es einfach Dinge zu überwinden. Er schlägt vor, dass die Worte und auch die Sprache Verwendung in diesem 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 zu machen, können in der Einfachheit zu finden. Diese prospektive Buch wird Ihnen sicherlich helfen, einfach weit bessere Vorstellung von dem brandneuen Gedanken und verbesserte Details zu verdienen. Wenn Sie wirklich wollen, diese Veröffentlichung zu erhalten, ragt es in dieser Internet-Seite finden. Wir helfen Ihnen Führungs Link zu sehen und danach es wie bei Ihnen bekommen. Dies bedeutet nicht, Sie zu verwirren in Zugzwang zu sein.
Jedoch kommt die Existenz dieser Veröffentlichung mit den Mitteln genau, wie Sie wirklich die bessere Auswahl des brandneuen Updates benötigen. Das ist genau das, was für Sie, um zu beraten, die Möglichkeiten zu machen oder die Herstellung von neuem Buch zu bekommen. Wenn 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 wird man die sehr beliebt in diesem besonderen Tag ist, haben Sie ein Teil dieser vielen Menschen sein, die immer dieses Buch lesen und bekommen dies als Kumpel.
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
0 comments:
Post a Comment