Maschinelles Lernen mit Python und R für Dummies

Häftad, Tyska, 2017

399 kr

Beställningsvara. Skickas inom 11-20 vardagar

Fri frakt för medlemmar vid köp för minst 249 kr.

Maschinelles Lernen ist aufregend: Mit schnellen Prozessoren und großen Speichern können Computer aus Erfahrungen lernen, künstliche Intelligenz kommt wieder in Reichweite. Mit diesem Buch verstehen Sie, was maschinelles Lernen bedeutet, für welche Probleme es sich eignet, welche neuen Herangehensweisen damit möglich sind und wie Sie mit Python, R und speziellen Werkzeugen maschinelles Lernen implementieren. Sie brauchen dafür keine jahrelange Erfahrung als Programmierer und kein Mathematikstudium. Die praktische Anwendung maschinellen Lernens steht in diesem Buch im Vordergrund. Spielen Sie mit den Tools und haben Sie Spaß dabei! Lernen Sie Fakten und Mythen zum maschinellen Lernen zu unterscheiden.

Produktinformation

Utgivningsdatum2017-09-13
Mått176 x 240 x 23 mm
Vikt709 g
FormatHäftad
SpråkTyska
SerieFür Dummies
Antal sidor405
FörlagWiley-VCH Verlag GmbH
ISBN9783527713639
ÖversättareLinke, Simone

Tillhör följande kategorier

Informationsteknik: allmänt inom Data och it
Systemvetenskap och AI inom Data och it
Programspråk inom Data och it
Programmeringsböcker inom Data och it
Artificiell intelligens inom Data och it
Databaser inom Data och it

John Mueller ist freier Autor und technischer Redakteur. Er hat das Bücherschreiben im Blut. Bis heute hat er 99 Bücher und mehr als 600 Artikel geschrieben. Sein Themenspektrum reicht von Netzwerken zu Datensicherheit und von Datenbankmanagement zu Programmierung.Luca Massaron ist Data Scientist und geübt darin, Big Data in Smart Data zu überführen. Er nutzt am liebsten die ganz einfachen, aber dennoch effektiven Techniken des Data Mining und des maschinellen Lernens.

Über die Autoren 13Einführung 25Teil I: Einführung in das maschinelle Lernen 29Kapitel 1: Künstliche Intelligenz in Fiktion und Realität 31Kapitel 2: Lernen im Zeitalter von Big Data 43Kapitel 3: Ein Ausblick auf die Zukunft 53Teil II: Einrichtung Ihrer Programmierumgebung 63Kapitel 4: Installation einer R-Distribution 65Kapitel 5: Programmierung mit R und RStudio 83Kapitel 6: Installation einer Python-Distribution 107Kapitel 7: Programmierung mit Python und Anaconda 127Kapitel 8: Weitere Softwareprogramme für maschinelles Lernen 151Teil III: Mathematische Grundlagen 159Kapitel 9: Mathematische Grundlagen des maschinellen Lernens 161Kapitel 10: Fehlerfunktionen und ihre Minimierung 179Kapitel 11: Validierung von maschinellem Lernen 191Kapitel 12: Einfache Lerner 209Teil IV: Aufbereitung und Verwendung von Datenzum Lernen 225Kapitel 13: Vorverarbeitung von Daten 227Kapitel 14: Ausnutzung von Ähnlichkeiten in Daten 245Kapitel 15: Einfache Anwendung von linearen Modellen 265Kapitel 16: Komplexere Lernverfahren und neuronale Netze 287Kapitel 17: Support Vector Machines und Kernel-Funktionen 303Kapitel 18: Kombination von Lernalgorithmen in Ensembles 321Teil V: Praktische Anwendung von maschinellem Lernen 337Kapitel 19: Klassifikation von Bildern 339Kapitel 20: Bewertung von Meinungen und Stimmungslagen 353Kapitel 21: Produkt- und Filmempfehlungen 373Teil VI: Der Top-Ten-Teil 387Kapitel 22: Zehn wichtige Pakete für maschinelles Lernen 389Kapitel 23: Zehn Methoden zur Verbesserung Ihrer maschinellen Lernmodelle 395Stichwortverzeichnis 403