Andere Kunden interessierten sich auch für
![Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn]( "Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn")
Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn49,99 €![Machine Learning visuell lernen - von StatQuest]( "Machine Learning visuell lernen - von StatQuest")
Machine Learning visuell lernen - von StatQuest34,99 €![Künstliche Intelligenz. Historische Entwicklung und technische Fortschritte]( "Künstliche Intelligenz. Historische Entwicklung und technische Fortschritte")
Künstliche Intelligenz. Historische Entwicklung und technische Fortschritte17,95 €![Neuronale Netze und Deep Learning kapieren]( "Neuronale Netze und Deep Learning kapieren")
Neuronale Netze und Deep Learning kapieren29,99 €![Neuronale Netze für technische Anwendungen]( "Neuronale Netze für technische Anwendungen")
Neuronale Netze für technische Anwendungen54,99 €![Mein Python & TKinter Buch]( "Mein Python & TKinter Buch")
Mein Python & TKinter Buch39,95 €![Data Science mit Python]( "Data Science mit Python")
Data Science mit Python19,99 €
Alles, was Sie über Machine Learning wissen müssen, auf nur 200 Seiten Von Support Vector Machines über Gradient Boosting und tiefe neuronale Netze bis hin zu unüberwachten LernmethodenZahlreiche Tipps und Empfehlungen für den praktischen Einsatz
Sie möchten Machine Learning verstehen und dafür nicht unendlich viel Zeit aufwenden und Hunderte von Seiten lesen? Dann ist dieses Buch das richtige für Sie.
Auf 200 Seiten bringt Andriy Burkov die wichtigsten Begriffe, Konzepte und Algorithmen des Machine Learnings auf den Punkt. Dabei vermittelt er nicht nur alle notwendigen theoretischen Grundlagen, sondern geht auch auf die praktische Anwendung der einzelnen Verfahren ein, ohne dabei die zugrundeliegenden mathematischen Gleichungen außer Acht zu lassen.
Dieses Buch bietet einen leicht zugänglichen, programmiersprachenunabhängigen und trotz seiner Kürze umfassenden Einstieg ins Machine Learning.
Aus dem Inhalt:Notation und mathematische GrundlagenÜberwachtes, teilüberwachtes und unüberwachtes LernenGrundlegende Lernalgorithmen: Lineare und logistische RegressionEntscheidungsbäumeSupport Vector Machinesk-Nearest-NeighborsOptimierung mittels GradientenabstiegMerkmalserstellung und Handhabung fehlender MerkmaleAuswahl des passenden LernalgorithmusBias, Varianz und das Problem der Unter- und ÜberanpassungRegularisierung, Bewertung eines Modells und Abstimmung der HyperparameterDeep Learning mit CNNs, RNNs und AutoencodernMulti-Class-, One-Class- und Multi-Label-KlassifikationEnsemble LearningClustering, Dimensionsreduktion und Erkennen von AusreißernSelbstüberwachtes LernenWort-Embeddings, One-Shot und Zero-Shot Learning
Stimmen zum Buch:
»Burkov hat sich der äußerst nützlichen, aber unglaublich schwierigen Aufgabe angenommen, fast das gesamte Machine Learning auf 200 Seiten zusammenzufassen. Die Auswahl der Themen aus Theorie und Praxis ist gelungen und wird sich für Praktiker als nützlich erweisen. Das Buch bietet Lesern eine solide Einführung in das Fachgebiet.«
-Peter Norvig, Forschungsdirektor bei Google
»Der Umfang der Themen, die das Buch auf 200 Seiten behandelt, ist verblüffend. [...] Wie der Autor die Kernkonzepte mit einigen wenigen Worten erklärt, gefällt mir ausnehmend gut. Das Buch wird nicht nur für Einsteiger sehr nützlich sein, sondern auch für alte Hasen, die von einer so breiten Sicht auf das Fachgebiet nur profitieren können.«
-Aurélien Géron, Senior Artificial Intelligence Engineer
»Ich wünschte, es hätte ein solches Buch gegeben, als ich mich als Student der Statistik mit Machine Learning beschäftigt habe.«
-Chao Han, Vizepräsident, Leiter Forschung und Entwicklung bei Lucidworks
Sie möchten Machine Learning verstehen und dafür nicht unendlich viel Zeit aufwenden und Hunderte von Seiten lesen? Dann ist dieses Buch das richtige für Sie.
Auf 200 Seiten bringt Andriy Burkov die wichtigsten Begriffe, Konzepte und Algorithmen des Machine Learnings auf den Punkt. Dabei vermittelt er nicht nur alle notwendigen theoretischen Grundlagen, sondern geht auch auf die praktische Anwendung der einzelnen Verfahren ein, ohne dabei die zugrundeliegenden mathematischen Gleichungen außer Acht zu lassen.
Dieses Buch bietet einen leicht zugänglichen, programmiersprachenunabhängigen und trotz seiner Kürze umfassenden Einstieg ins Machine Learning.
Aus dem Inhalt:Notation und mathematische GrundlagenÜberwachtes, teilüberwachtes und unüberwachtes LernenGrundlegende Lernalgorithmen: Lineare und logistische RegressionEntscheidungsbäumeSupport Vector Machinesk-Nearest-NeighborsOptimierung mittels GradientenabstiegMerkmalserstellung und Handhabung fehlender MerkmaleAuswahl des passenden LernalgorithmusBias, Varianz und das Problem der Unter- und ÜberanpassungRegularisierung, Bewertung eines Modells und Abstimmung der HyperparameterDeep Learning mit CNNs, RNNs und AutoencodernMulti-Class-, One-Class- und Multi-Label-KlassifikationEnsemble LearningClustering, Dimensionsreduktion und Erkennen von AusreißernSelbstüberwachtes LernenWort-Embeddings, One-Shot und Zero-Shot Learning
Stimmen zum Buch:
»Burkov hat sich der äußerst nützlichen, aber unglaublich schwierigen Aufgabe angenommen, fast das gesamte Machine Learning auf 200 Seiten zusammenzufassen. Die Auswahl der Themen aus Theorie und Praxis ist gelungen und wird sich für Praktiker als nützlich erweisen. Das Buch bietet Lesern eine solide Einführung in das Fachgebiet.«
-Peter Norvig, Forschungsdirektor bei Google
»Der Umfang der Themen, die das Buch auf 200 Seiten behandelt, ist verblüffend. [...] Wie der Autor die Kernkonzepte mit einigen wenigen Worten erklärt, gefällt mir ausnehmend gut. Das Buch wird nicht nur für Einsteiger sehr nützlich sein, sondern auch für alte Hasen, die von einer so breiten Sicht auf das Fachgebiet nur profitieren können.«
-Aurélien Géron, Senior Artificial Intelligence Engineer
»Ich wünschte, es hätte ein solches Buch gegeben, als ich mich als Student der Statistik mit Machine Learning beschäftigt habe.«
-Chao Han, Vizepräsident, Leiter Forschung und Entwicklung bei Lucidworks
»Man sollte dieses Buch danach beurteilen, was es ist und nicht danach, was es gar nicht zu sein versucht: Dieses Buch ist ein auf das allerwesentlichste reduziertes Nachschlag- und Übersichtswerk, es ist keine Schritt-für-Schritt-Anleitung. Die Leistung des Autors liegt darin, alle - aus seiner Sicht unnötigen - Details weggelassen zu haben und sich auf Theorie und Vergleich der einzelnen Machine-Learning-Modelle und ihrer Stärken und Schwächen zu konzentrieren.« (spielend-programmieren.at, 05/2021)
»Der denkbar knappe Rundschlag des Autors führt unterm Strich bemerkenswert umfassend ins Machine Learning ein.« (c't, Nr.16/2020)
»Das vorliegende Buch [...] bietet zahlreiche Tipps und Empfehlungen für den praktischen Einsatz [...] sowie einen leicht zugänglichen, programmiersprachenunabhängigen und trotz seiner Kürze umfassenden Einstieg ins Machine Learning.« (SPS-Magazin, 04/2020)
»Machine Learning verstehen auf 200 Seiten - geht das? Ja, das zeigt dieses Buch vonAndriy Burkov. [Der] hat es sich zur Aufgabe gemacht, das komplexe Thema in seiner Bandbreite kompakt zu erklären.« (t3n.de, 2020)
»Ein Buch, das in jede Tasche passt und trotzdem alle wichtigen Techniken und Algorithmen [...] zwischen zwei Buchdeckeln vereint, das sich theoretisch in ein paar Stunden lesen lässt und auch zum Nachchlafen sehr gut geeignet ist.« (Linux Magazin, 08/2019)
»Das Buch war ohne Übertreibung das beste Fachbuch, dass ich die letzten Jahre gelesen habe.« (Developer-Blog, 08/2019)
»Der denkbar knappe Rundschlag des Autors führt unterm Strich bemerkenswert umfassend ins Machine Learning ein.« (c't, Nr.16/2020)
»Das vorliegende Buch [...] bietet zahlreiche Tipps und Empfehlungen für den praktischen Einsatz [...] sowie einen leicht zugänglichen, programmiersprachenunabhängigen und trotz seiner Kürze umfassenden Einstieg ins Machine Learning.« (SPS-Magazin, 04/2020)
»Machine Learning verstehen auf 200 Seiten - geht das? Ja, das zeigt dieses Buch vonAndriy Burkov. [Der] hat es sich zur Aufgabe gemacht, das komplexe Thema in seiner Bandbreite kompakt zu erklären.« (t3n.de, 2020)
»Ein Buch, das in jede Tasche passt und trotzdem alle wichtigen Techniken und Algorithmen [...] zwischen zwei Buchdeckeln vereint, das sich theoretisch in ein paar Stunden lesen lässt und auch zum Nachchlafen sehr gut geeignet ist.« (Linux Magazin, 08/2019)
»Das Buch war ohne Übertreibung das beste Fachbuch, dass ich die letzten Jahre gelesen habe.« (Developer-Blog, 08/2019)