Machine Learning mit Python und Keras, TensorFlow 2 Scikit-learn
Das umfassende Praxis-Handbuch
für Data Science, Deep Learning und Predictive Analytics
mitp Verlag |
|
Autor:innen |
Sebastian Raschka (3), Vahid Mirjalili |
759 Seiten, Softcover, 3. Auflage |
|
Erschienen |
03/2021 |
978-3-7475-0213-6 9783747502136 |
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
Wer hat's geschrieben?
Sebastian Raschka ist Staff Research Engineer bei Lightning AI, wo er an der Forschung zu großen Sprachmodellen (LLMs) arbeitet und Open-Source-Software entwickelt. Seit über einem Jahrzehnt beschäftigt er sich intensiv mit den Themen Machine Learning und Künstliche Intelligenz. Neben seiner Forschung begeistert ihn besonders die Wissensvermittlung.
Seinen Doktortitel erlangte er an der Michigan State University. Sein wissenschaftlicher Fokus liegt auf der rechnergestützten Analyse biologischer Phänomene und maschinellen Lernverfahren. Im Sommer 2018 wurde er Assistant Professor für Statistik an der University of Wisconsin-Madison, wo er sich insbesondere mit der Entwicklung neuer Deep-Learning-Architekturen für biometrische Anwendungen befasste.
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.
mitp Verlag |
|
Autor:innen |
Sebastian Raschka (3), Vahid Mirjalili |
759 Seiten, Softcover, 3. Auflage |
|
Erschienen |
03/2021 |
978-3-7475-0213-6 9783747502136 |