Maschinelles Lernen ist zu einem integralen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden, aber dieses Feld ist nicht exklusiv für große Unternehmen mit umfangreichen Forschungsteams.
Wenn Sie Python verwenden, auch als Anfänger, wird Ihnen dieses Buch praktische Wege zeigen, Ihre eigenen Machine-Learning-Lösungen zu entwickeln.
Mit all den heute verfügbaren Daten sind Machine-Learning-Anwendungen nur durch Ihre Vorstellungskraft begrenzt. Sie lernen die notwendigen Schritte, um eine erfolgreiche Machine-Learning-Anwendung mit Python und der scikitlearn-Bibliothek zu erstellen.
Die Autoren Andreas Müller und Sarah Guido konzentrieren sich auf die praktischen Aspekte der Verwendung von Algorithmen des maschinellen Lernens, anstatt auf die dahinterstehende Mathematik.
Vertrautheit mit den Bibliotheken NumPy und Matplotlib wird Ihnen helfen, noch mehr aus diesem Buch herauszuholen. Mit diesem Buch lernen Sie:Grundlegende Konzepte und Anwendungen des maschinellen Lernens Vorteile und Nachteile weit verbreiteter Algorithmen des maschinellen Lernens Wie man von maschinellem Lernen verarbeitete Daten darstellt, einschließlich, auf welche Datenaspekte man sich konzentrieren sollte Fortgeschrittene Methoden zur Modellbewertung und Parameterabstimmung Das Konzept von Pipelines zum Verketten von Modellen und Kapseln Ihres Workflows Methoden zur Arbeit mit Textdaten, einschließlich textspezifischer Verarbeitungstechniken Vorschläge zur Verbesserung Ihrer Fähigkeiten im maschinellen Lernen und in der Datenwissenschaft.
Geld zurück bei Nichtlieferung
