>> 3 + 1 GRATIS: Taschenbücher um je 4,99 Euro

Raschka, S: Machine Learning mit Python

Das Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning

(1)

  • Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings

  • Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, scikit-learn, matplotlib, pandas, Theano und Keras

  • Verständlicher und eleganter Python-Code zur Optimierung Ihrer Algorithmen

Machine Learning und Predictive Analytics verändern die Arbeitsweise von Unternehmen grundlegend. Die Fähigkeit, in komplexen Daten Trends und Muster zu erkennen, ist heutzutage für den langfristigen geschäftlichen Erfolg ausschlaggebend und entwickelt sich zu einer der entscheidenden Wachstumsstrategien.

Sebastian Raschka gibt Ihnen einen detaillierten Einblick in die Techniken der Predictive Analytics. Er erläutert die grundlegenden theoretischen Prinzipien des Machine Learnings und wendet sie praktisch an.

Dabei konzentriert er sich insbesondere auf das Stellen und Beantworten der richtigen Fragen.

Python zählt zu den führenden Programmiersprachen im Bereich Data Science und ist besonders gut dazu geeignet, grundlegende Erkenntnisse aus Ihren Daten zu gewinnen sowie ausgefeilte Algorithmen und statistische Modelle auszuarbeiten, die neue Einsichten liefern und wichtige Fragen beantworten.

Der Autor erläutert in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie scikit-learn, Theano oder Keras. Sie lernen Schritt für Schritt die Grundlagen von Python für maschinelle Lernverfahren kennen und setzen dabei eine Vielfalt von statistischen Modellen ein.


Aus dem Inhalt:
  • Regressionsanalysen zum Prognostizieren von Ergebnissen

  • Clusteranalysen zum Auffinden verborgener Muster und Strukturen in Ihren Daten

  • Optimale Organisation Ihrer Daten durch effektive Verfahren zur Vorverarbeitung

  • Datenkomprimierung durch Dimensionsreduktion

  • Neuronale Netze erzeugen mit Keras und Theano

  • Kombination verschiedener Modelle für das Ensemble Learning

  • Einbettung eines Machine-Learning-Modells in eine Webanwendung

  • Stimmungsanalyse in Social Networks

Rezension
"Sehr hilfreich sind die beispielhafte Entwicklung eines Systems für "machine learning" und die Hinweise zur Einbettung in eine Webanwendung. Viele Beispiele." (ekz Bibliotheksservice, 03/2017)
Portrait

Sebastian Raschka ist Doktorand an der Michigan State University und entwickelt neue Rechenverfahren im Bereich der Bioinformatik. Er wurde auf GitHub von Analytics Vidhya als einflussreichster Datenanalytiker eingestuft. Er verfügt über jahrelange Erfahrung in der Python-Programmierung und hat mehrere Seminare über praktische Data-Science-Anwendungen und maschinelles Lernen geleitet. Seine Erfahrungen mit Data Science, maschinellem Lernen und Python-Programmierung haben ihn dazu motiviert, dieses Buch zu schreiben, um es auch Leuten ohne Kenntnisse maschineller Lernverfahren zu ermöglichen, datengesteuerte Lösungen zu entwickeln. Außerdem hat er aktiv Beiträge zu Open-Source-Projekten geleistet und die von ihm implementierten Verfahren werden inzwischen erfolgreich in Wettbewerben eingesetzt, die maschinelles Lernen zum Thema haben, wie z.B. Kaggle. In seiner Freizeit entwickelt er Vorhersagemodelle für Sportergebnisse.

… weiterlesen
In den Warenkorb
Filialabholung

Versandkostenfrei

Beschreibung

Produktdetails


Einband Taschenbuch
Seitenzahl 424
Erscheinungsdatum 30.11.2016
Sprache Deutsch
ISBN 978-3-95845-422-4
Reihe mitp Professional
Verlag MITP Verlags GmbH
Maße (L/B/H) 238/169/25 mm
Gewicht 737
Abbildungen farbige, schwarzweisse Fotos, Abbildungen
Buch (Taschenbuch)
49,99
inkl. gesetzl. MwSt.
Sofort lieferbar
Versandkostenfrei
In den Warenkorb
Filialabholung

Versandkostenfrei

Andere Kunden interessierten sich auch für

  • 44581276
    Einführung in Data Science
    von Joel Grus
    Buch (Taschenbuch)
    35,90
  • 16564117
    Clean Code - Refactoring, Patterns, Testen und Techniken für
    von Robert C. Martin
    Buch (Taschenbuch)
    39,95
  • 40778550
    Angewandte Statistik
    von Jürgen Hedderich
    Buch (gebundene Ausgabe)
    51,39
  • 15420908
    Embedded Linux
    von Joachim Schröder
    Buch (gebundene Ausgabe)
    61,68
  • 30653343
    Visualize This!
    von Nathan Yau
    Buch (Taschenbuch)
    30,80
  • 56804424
    Einführung in Machine Learning mit Python
    von Andreas C. Müller
    Buch (Taschenbuch)
    41,10
  • 45101014
    Weigend, M: Python 3
    von Michael Weigend
    (1)
    Buch (gebundene Ausgabe)
    39,99
  • 43761731
    Smart Home Hacks
    von Peter A. Henning
    Buch (Taschenbuch)
    33,90
  • 39203393
    Raspberry Pi für Maker. Mach's einfach!
    von Christian Immler
    Buch (Taschenbuch)
    30,90
  • 56804423
    Das DevOps-Handbuch
    von Gene Kim
    Buch (Taschenbuch)
    41,10

Kundenbewertungen


Durchschnitt
1 Bewertung
Übersicht
1
0
0
0
0

Maschine learning für Fortgeschrittene
von Mathias Klingner aus Dresden am 28.11.2017

Für Sie sind Begriffe wie Hebbsche Lernregel, Biasneuron, logistic Regression oder competitive Learning keine Fremdworte? Sie malen gern Netzwerkstrukturen in den Sand und berechnen händisch die Gewichte zwischen den einzelnen Schichten? Einfach weil Sie es können? Sie mögen Python? Dann ist dieses Buch genau das richtige für Sie. Allen Anderen würde... Für Sie sind Begriffe wie Hebbsche Lernregel, Biasneuron, logistic Regression oder competitive Learning keine Fremdworte? Sie malen gern Netzwerkstrukturen in den Sand und berechnen händisch die Gewichte zwischen den einzelnen Schichten? Einfach weil Sie es können? Sie mögen Python? Dann ist dieses Buch genau das richtige für Sie. Allen Anderen würde ich dieses Buch nicht unbedingt empfehlen, da es eine riesige Menge anderer Fachliteratur gibt die sich detailiert mit den biologisch/mathematischen Konzepten auseinandersetzt auf denen ML basiert. Und ohne dieses Basiswissen wird es schwierig mit dem Verstehen dieses Buches. Der Autor baut in diesem Buch auf einem fundierten Basiswissen auf, ohne dieses in die Tiefe zu erläutern. Damit richtet sich dieses Buch vor allem an Menschen die mit den verschiedenen Konzepten von Maschine Learning vertraut sind und vorallem einen schnellen Einstieg in Maschine Learning mit Python, unter Verwendung von Sklearn ( Tensorflow / Keras / Caffe ), suchen. Für diejenigen ein wirklich zu empfehlendes Buch. Der Autor bietet anhand eines einfachen Perceptrons einen schnellen Einstieg in die Verwendung der Sklearn Bibliothek und geht dann straight forward bis zu komplexeren DeepLearning Ansätzen. Wer die Konzepte dahinter verstanden hat, findet in diesem Buch vor allem stabile Basisimplementierungen für die eigenen Projekte. Die verwendeten Pakete von Sklearn und ihre Funktionen/Möglichkeiten werden anhand von Codebeispielen recht ausführlich erkläutert und bieten Raum zum experimentieren. Für mich als alten ML Hasen ein wirklich gutes Buch, vorallem unter dem Gesichtspunkt des Rapid Prototyping im Bereich des Maschine Learning mit Python.


Wird oft zusammen gekauft

Raschka, S: Machine Learning mit Python - Sebastian Raschka

Raschka, S: Machine Learning mit Python

von Sebastian Raschka

(1)
Buch (Taschenbuch)
49,99
+
=
Data Science mit Python für Dummies - John Paul Mueller, Luca Massaron

Data Science mit Python für Dummies

von John Paul Mueller

Buch (Taschenbuch)
26,18
+
=

für

76,17

inkl. gesetzl. MwSt.

Alle kaufen