Machine Learning für Softwareentwickler |
|||||||||||||||||
Von der Python-Codezeile zur Deep-Learning-AnwendungEine Einführung in das maschinelle Lernen für Entwickler
|
|||||||||||||||||
|
|
|||||||||||||||||
Sofort lieferbar 
Sie möchten sich mit dem maschinellen Lernen vertraut machen – aber wo beginnen? Selbst für Softwareentwickler und Programmiererinnen ist der Einstieg manchmal nicht einfach. Es muss aber nicht so kompliziert sein: Starten Sie, indem Sie Zeile für Zeile Code schreiben, vom einfachen Machine-Learning- bis hin zum kompletten Deep-Learning- System. Schwierige Themen werden verständlich, wenn Sie sie in Teilprobleme zerlegen, sodass jeder Schritt leicht nachvollziehbar ist.
Der Schwerpunkt des Buchs liegt auf den drei wichtigsten Aspekten des Machine Learning: auf überwachtem Lernen, neuronalen Netzen und Deep Learning. Indem Sie bei Null beginnen und den ganzen Weg bis zum Deep Learning gehen, werden Sie ganz allmählich mit der Materie vertraut. Weil Sie dazu den Python-Code selbst schreiben, ohne Bibliotheken, die das eigentliche Geschehen verschleiern, werden Sie besser verstehen, wie die Dinge funktionieren.
Hier das ganze Inhaltsverzeichnis lesen.
Verstehen Sie Machine Learning, indem Sie es selbst programmieren!
Der Schwerpunkt des Buchs liegt auf den drei wichtigsten Aspekten des Machine Learning: auf überwachtem Lernen, neuronalen Netzen und Deep Learning. Indem Sie bei Null beginnen und den ganzen Weg bis zum Deep Learning gehen, werden Sie ganz allmählich mit der Materie vertraut. Weil Sie dazu den Python-Code selbst schreiben, ohne Bibliotheken, die das eigentliche Geschehen verschleiern, werden Sie besser verstehen, wie die Dinge funktionieren.
- Bauen Sie eine Bilderkennungsanwendung mit überwachtem Lernen auf
- Wagen Sie einen Blick in die Zukunft mit linearer Regression
- Machen Sie sich mit dem Gradientenabstieg vertraut, einem grundlegenden Algorithmus im Machine Learning
- Erstellen Sie Perceptrons zur Klassifizierung von Daten
- Programmieren Sie neuronale Netze, um komplexere Datensätze zu bewältigen
- Trainieren und verfeinern Sie diese Netzwerke mit Backpropagation und Batching
- Beseitigen Sie Überanpassung und setzen Sie Faltungsmethoden ein, um Ihr neuronales Netz in ein Deep-Learning-System zu verwandeln.
Verstehen Sie Machine Learning, indem Sie es selbst programmieren!
Was ist eigentlich der Unterschied zwischen Machine Learning und gewöhnlicher Programmierung? Das veranschaulicht der Autor anschaulich im ersten Teil dieser Leseprobe. Schauen Sie auch in ein Praxisbeispiel, einem Algorithmus zur Vorhersage von Pizzaverkaufszahlen.
Wer hat’s geschrieben?
Paolo Perrotta ist ein reisender Software-Mentor. Er schrieb das Buch „Metaprogramming Ruby“ für die Pragmatic Programmers und produzierte die beliebte Schulung „Wie Git funktioniert“ für Pluralsight. Er spricht häufig — auf Konferenzen und, laut seinen Freunden und seiner Familie, so ziemlich überall sonst.
