Mehr zum Buch
Maschinelles Lernen vereint Informatik, Mathematik und Anwendungsgebiete. In diesem Buch werden alle drei Bereiche berücksichtigt: - Verständnis und Anwendung von Algorithmen des maschinellen Lernens sowie deren Funktionsweise. - Einführung in Python 3 und dessen Ökosystem für maschinelles Lernen. - Methoden des überwachten, unüberwachten und bestärkenden Lernens, darunter Random Forest, DBSCAN und Q-Learning. Die Algorithmen werden anschaulich mit NumPy und SciPy umgesetzt, während für Support Vector Machines und Deep Learning auf scikit-learn und Keras zurückgegriffen wird. Die überarbeitete dritte Auflage berücksichtigt Keras/Tensorflow-Version 2 und Python 3.7. Mehrere Kapitel, insbesondere zum bestärkten Lernen, wurden aktualisiert, und neue Themen wie Deep Q-Learning, Class Activation Maps, Grad-CAM, sowie die Integration und Einführung von Pandas und OpenAI Gym wurden aufgenommen. Das Buch richtet sich an Studierende der Informatik, Mechatronik, Elektrotechnik und angewandten Statistik/Data Science sowie an Ingenieure und Informatiker in der Praxis. Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und grundlegendes Wissen der Hochschulmathematik. Die benötigte Mathematik wird im Buch eingebettet und die Theorie direkt in Python-Code umgesetzt.
Buchkauf
Maschinelles Lernen, Jörg Frochte
- Sprache
- Erscheinungsdatum
- 2021
- product-detail.submit-box.info.binding
- (Hardcover)
Keiner hat bisher bewertet.
- Titel
- Maschinelles Lernen
- Untertitel
- Grundlagen und Algorithmen in Python
- Sprache
- Deutsch
- Autor*innen
- Jörg Frochte
- Verlag
- Hanser
- Erscheinungsdatum
- 2021
- Einband
- Hardcover
- Seitenzahl
- 616
- ISBN10
- 3446461442
- ISBN13
- 9783446461444
- Reihe
- Schlagwörter
- Sachbücher, Technologie & Industrie, Computer & Internet
- Beschreibung
- Maschinelles Lernen vereint Informatik, Mathematik und Anwendungsgebiete. In diesem Buch werden alle drei Bereiche berücksichtigt: - Verständnis und Anwendung von Algorithmen des maschinellen Lernens sowie deren Funktionsweise. - Einführung in Python 3 und dessen Ökosystem für maschinelles Lernen. - Methoden des überwachten, unüberwachten und bestärkenden Lernens, darunter Random Forest, DBSCAN und Q-Learning. Die Algorithmen werden anschaulich mit NumPy und SciPy umgesetzt, während für Support Vector Machines und Deep Learning auf scikit-learn und Keras zurückgegriffen wird. Die überarbeitete dritte Auflage berücksichtigt Keras/Tensorflow-Version 2 und Python 3.7. Mehrere Kapitel, insbesondere zum bestärkten Lernen, wurden aktualisiert, und neue Themen wie Deep Q-Learning, Class Activation Maps, Grad-CAM, sowie die Integration und Einführung von Pandas und OpenAI Gym wurden aufgenommen. Das Buch richtet sich an Studierende der Informatik, Mechatronik, Elektrotechnik und angewandten Statistik/Data Science sowie an Ingenieure und Informatiker in der Praxis. Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und grundlegendes Wissen der Hochschulmathematik. Die benötigte Mathematik wird im Buch eingebettet und die Theorie direkt in Python-Code umgesetzt.