dpunkt Praxiseinstieg Machine Learning Buch Scikit-Learn
4.3 (4)
43,90 €21,95 €
Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow von dpunkt ist ein Fachbuch von Aurélien Géron in aktualisierter 3. Auflage. Das Python-Buch führt von linearer Regression bis zu Deep Neural Networks, mit Codebeispielen, Übungen und Lösungen sowie neuen Themen wie Keras-Tuner und Hugging-Face-Transformers.
Auf Lager
-
1
+
Erhalte es in 3–5 Werktagen.
14 Personen sehen sich diesen Artikel gerade an.Heute wurden 20 Stück verkauft.Nur noch 11 Stück auf Lager.
Dieser Bestseller in 3. Auflage vermittelt Machine Learning mit minimaler Theorie und direkt einsetzbaren Python-Frameworks. Konkrete Beispiele und ein durchgehendes Beispielprojekt mit Scikit-Learn schaffen intuitives Verständnis. Zahlreiche Übungen mit Lösungen helfen, das Gelernte praktisch umzusetzen.
Scikit-Learn Keras TensorFlow für Deep Learning
Der Aufbau reicht von linearer Regression über Support Vector Machines bis zu Deep Neural Networks mit Keras und TensorFlow. Die erweiterte Auflage behandelt neue Scikit-Learn-Features, die Keras-Tuner-Bibliothek und die NLP-Bibliothek Transformers von Hugging Face. Codebeispiele lassen sich unmittelbar in eigenen Projekten verwenden.
Python Buch für neuronale Netze
Vorausgesetzt wird lediglich etwas Programmiererfahrung für den direkten Einstieg. Der Band eignet sich als Lehrbuch für intelligente Systeme und Deep Learning. Als Referenz bleibt er auch nach dem Durcharbeiten für Modelle und Workflows nützlich.
Merkmale
Aktualisierte und erweiterte 3. Auflage des Bestsellers
Machine Learning mit Scikit-Learn, Keras und TensorFlow
Von linearer Regression bis Deep Neural Networks
Viele Codebeispiele mit Übungen und Lösungen
Neu: Keras-Tuner und Hugging-Face-Transformers
Autor: Aurélien Géron
Reihe: Computing
Thema: Deep Learning neuronale Netze
Titel: Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow
Auflage: 3. Auflage
Sprache: Python
Produkttyp: Buch
Darstellung: Fachbuch
Verkäufer: Bizheld
Häufig gestellte Fragen
Welche Vorkenntnisse braucht man für dieses Buch?
Etwas Programmiererfahrung genügt, idealerweise in Python, um direkt mit den Beispielen zu starten.
4.3★★★★★★★★★★(4)
5 ★2
4 ★1
3 ★1
2 ★0
1 ★0
Kundenbewertungen
4
★★★★★★★★★★5.0
m*o
Verifiziert
Einstieg geglückt
Bin mit linearer Regression gestartet und gut reingekommen.
★★★★★★★★★★4.0
k**y
Verifiziert
Code läuft
Die Python-Beispiele ließen sich bei mir problemlos ausprobieren.
★★★★★★★★★★5.0
e*****q
Übungen motivieren
Mit Lösungen hinten dran lerne ich einfach besser.
★★★★★★★★★★3.0
o***y
Verifiziert
Ganz schön dick
Braucht Zeit, manche Deep-Learning-Kapitel sind echt hart.
