Machine learning Kochbuch
Praktische Lösungen mit Python: von der Vorverarbeitung der Daten bis zum Deep Learning
Python-Programmierer finden in diesem Kochbuch nahezu 200 wertvolle, abgeschlossene Anleitungen zu typischen Aufgabenstellungen im Machine Learning – von der Datenvorverarbeitung bis zum Deep Learning. Entwickler, die mit Python und Bibliotheken wie Pandas und Scikit-Learn vertraut sind, werden spezifische Probleme erfolgreich lösen, darunter das Laden von Daten, die Behandlung von Text- und numerischen Daten, die Auswahl von Modellen, die Reduktion der Dimensionalität und mehr. Jedes Rezept enthält kopierbaren Code, den Sie in einer kleinen Beispieldatenmenge testen und anpassen können, um eigene Anwendungen zu entwickeln. Alle Lösungen werden diskutiert, und wichtige Zusammenhänge werden hergestellt. Dieses Kochbuch hilft Ihnen, den Schritt von der Theorie in die Praxis zu machen, und bietet das praktische Rüstzeug, um funktionierende Machine-Learning-Anwendungen zu erstellen. Es enthält Rezepte zu Vektoren, Matrizen und Arrays, dem Umgang mit verschiedenen Datentypen, der Dimensionalitätsreduktion, Modellbewertung und -auswahl sowie zu verschiedenen Algorithmen wie Regression, Support Vector Machines, Clustering und neuronalen Netzen. Es ist eine wertvolle Ressource für erfahrene Profis und Anfänger, die ihr Wissen auffrischen oder eine prägnante Referenz suchen.
