Dieses Praxishandbuch ist eine umfassende Einführung in die Grundlagen sowie den effektiven Einsatz von Machine-Learning- und Deep-Learning-Algorithmen. In zahlreichen Praxisbeispielen lernen Sie den Einsatz wichtiger Python-Bibliotheken, insbesondere Keras, TensorFlow 2 und Scikit-learn. Die für den praktischen Einsatz unverzichtbaren mathematischen Konzepte behandeln die Autoren ebenfalls, immer anhand zahlreicher Diagramme verständlich erläutert. Den sicheren Umgang mit Python setzen die Autoren dabei voraus.
Diese dritte Auflage trägt den für Machine Learning, Neuronale Netze und Deep Learning wichtigen jüngsten Entwicklungen und Technologien Rechnung und wurde komplett für TensorFlow 2 aktualisiert. Insbesondere gehen die Autoren auf die neuen Features der Keras-API, das Synthetisieren neuer Daten mit Generative Adversarial Networks (GANs) sowie die Entscheidungsfindung per Reinforcement Learning ein.
Aus dem Inhalt
Trainieren von Lernalgorithmen und Implementierung in Python
Gängige Klassifikationsalgorithmen wie Support Vector Machines (SVM), Entscheidungsbäume und Random Forest
Natural Language Processing zur Klassifizierung von Filmbewertungen
Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten
Deep-Learning-Verfahren für die Bilderkennung
Datenkomprimierung durch Dimensionsreduktion
Training Neuronaler Netze und GANs mit TensorFlow 2
Kombination verschiedener Modelle für das Ensemble Learning
Einbettung von Machine-Learning-Modellen in Webanwendungen
Stimmungsanalyse in Social Networks
Modellierung sequenzieller Daten durch rekurrente Neuronale Netze
Reinforcement Learning und Implementierung von Q-Learning-Algorithmen
Diese Leseprobe startet mit einer Einführung in die wichtigsten Teilbereiche des Machine Learnings. Außerdem legen die Autoren die grundlegenden Schritte beim Entwurf eines typischen Machine-Learning-Modells dar, die beim Machine Learning in Vorhersagemodellen zum Einsatz kommen.
Wer hat's geschrieben?
Sebastian Raschka erlangte seinen Doktortitel an der Michigan State University. Er befasst sich vornehmlich mit Fragen der Berechnung biologischer Phänomene und des Machine Learnings. Im Sommer 2018 wurde er Assistant Professor für Statistik an der University of Wisconsin-Madison. Bei seiner Forschungsarbeit geht es insbesondere um die Entwicklung neuer Deep-Learning-Architekturen zum Lösen von Aufgaben im Fachgebiet Biometrie.
Er verfügt über jahrelange Erfahrung in der Python-Programmierung und leitete mehrere Seminare über praktische Data-Science-Anwendungen, Machine Learning und Deep Learning, unter anderem eine Einführung in Machine Learning auf der SciPy-Konferenz, der maßgeblichen Veranstaltung für wissenschaftliche Anwendungen in Python.
Er ist Autor des viel verkauften Buches Python Machine Learning, das 2016 mit dem Preis ACM Computing Reviews Best of ausgezeichnet und in viele Sprachen übersetzt wurde, unter anderem Deutsch, Koreanisch, Chinesisch, Japanisch, Russisch, Polnisch und Italienisch.
In seiner Freizeit leistet Sebastian aktiv Beiträge zu Open-Source-Projekten und die von ihm implementierten Verfahren werden erfolgreich in Mustererkennungswettbewerben wie z.B. Kaggle eingesetzt.
Vahid Mirjalili erlangte seinen Doktortitel als Maschinenbauingenieur an der Michigan State University mit einer Arbeit über neue Verfahren für Computersimulationen molekularer Strukturen. Er interessiert sich leidenschaftlich für Machine Learning und trat dem iProBe-Lab der Michigan State University bei, wo er Anwendungen des Machine Learnings in verschiedenen Computer-Vision-Projekten ("maschinelles Sehen") erforschte. Nach mehreren produktiven Jahren am iProBe-Lab und in der Forschung ist Vahid Mirjalili seit Kurzem beim Unternehmen 3M als Forscher tätig, wo er seine Kenntnisse einsetzen kann, um moderne Machine-Learning- und Deep-Learning-Verfahren auf Aufgabenstellungen aus der Praxis anzuwenden.
Machine Learning mit Python und Keras, TensorFlow 2 Scikit-learn
Das umfassende Praxis-Handbuch
für Data Science, Deep Learning und Predictive Analytics
Verlag
mitp Verlag
Autor:innen
Sebastian Raschka, Vahid Mirjalili
Fassung
759 Seiten, Softcover, 3. Auflage
Erschienen
03/2021
ISBN
978-3-7475-0213-6 9783747502136
Buch
€49,99 inkl. MwSt.
Best.-Nr.: ITP-0213
Versandkostenfrei (D)
Lieferbar in 48 h
eBook (PDF)
€inkl. MwSt.
Best.-Nr.:
Machine Learning mit Python und Keras, TensorFlow 2 Scikit-learn
Das umfassende Praxis-Handbuch
für Data Science, Deep Learning und Predictive Analytics
Best.-Nr.: ITP-0213 Lieferbar in 48 h
€49,99 inkl. MwSt.
Versandkostenfrei (D)
Best.-Nr.:
eBook (PDF)
€inkl. MwSt.
Machine Learning mit Python und Keras, TensorFlow 2 Scikit-learn
Das umfassende Praxis-Handbuch
für Data Science, Deep Learning und Predictive Analytics
