Eine Einführung in die 42 am häufigsten angewandten Machine Learning Algorithmen (mit Code-Beispielen) (eBook, ePUB)
PAYBACK Punkte
0 °P sammeln!
Egal, ob Sie Datenwissenschaftler, Softwareentwickler oder einfach nur daran interessiert sind, etwas über maschinelles Lernen zu lernen, "Eine Einführung in die 42 am häufigsten angewandten Machine Learning Algorithmen (mit Code-Beispielen)" ist eine hervorragende Ressource, um ein Verständnis für dieses spannende Gebiet zu erlangen. Über den Autor: Murat Durmus ist CEO und Gründer der AISOMA AG (einem in Frankfurt am Main ansässigen Unternehmen, das sich auf KI-basierte Technologieentwicklung und Beratung spezialisiert hat), Vorstandsmitglied AI Frankfurt Rhein-Main e.V. und Autor de...
Egal, ob Sie Datenwissenschaftler, Softwareentwickler oder einfach nur daran interessiert sind, etwas über maschinelles Lernen zu lernen, "Eine Einführung in die 42 am häufigsten angewandten Machine Learning Algorithmen (mit Code-Beispielen)" ist eine hervorragende Ressource, um ein Verständnis für dieses spannende Gebiet zu erlangen. Über den Autor: Murat Durmus ist CEO und Gründer der AISOMA AG (einem in Frankfurt am Main ansässigen Unternehmen, das sich auf KI-basierte Technologieentwicklung und Beratung spezialisiert hat), Vorstandsmitglied AI Frankfurt Rhein-Main e.V. und Autor der Bücher "THE AI THOUGHT BOOK", "Mindful AI - Reflections on Artificial Intelligence", "INSIDE ALAN TURING". Folgende Algorithmen werden in diesem Buch behandelt: . ADABOOST . ADAM OPTIMIZATION . AGGLOMERATIVE CLUSTERING . ARMA/ARIMA MODEL . BERT . CONVOLUTIONAL NEURAL NETWORK . DBSCAN . DECISION TREE . DEEP Q-LEARNING . EFFICIENTNET . FACTOR ANALYSIS OF CORRESPONDENCES . GAN . GMM . GPT-3 . GRADIENT BOOSTING MACHINE . GRADIENT DESCENT . GRAPH NEURAL NETWORKS . HIERARCHICAL CLUSTERING . HIDDEN MARKOV MODEL (HMM) . INDEPENDENT COMPONENT ANALYSIS . ISOLATION FOREST . K-MEANS . K-NEAREST NEIGHBOUR . LINEAR REGRESSION . LOGISTIC REGRESSION . LSTM . MEAN SHIFT . MOBILENET . MONTE CARLO ALGORITHM . MULTIMODAL PARALLEL NETWORK . NAIVE BAYES CLASSIFIERS . PROXIMAL POLICY OPTIMIZATION . PRINCIPAL COMPONENT ANALYSIS . Q-LEARNING . RANDOM FORESTS . RECURRENT NEURAL NETWORK . RESNET . SPATIAL TEMPORAL GRAPH CONVOLUTIONAL NETWORKS . STOCHASTIC GRADIENT DESCENT . SUPPORT VECTOR MACHINE . WAVENET . XGBOOST
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.
Andere Kunden interessierten sich für
