Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow: Konzepte, Tools und Techniken für intelligente Systeme

Durch eine Reihe jüngster Durchbrüche hat Deep Learning das gesamte Feld des maschinellen Lernens vorangebracht. Heute können selbst Programmierer, die fast nichts über diese Technologie wissen, einfache und effiziente Werkzeuge nutzen, um Programme zu implementieren, die aus Daten lernen können. Dieses Bestseller-Buch verwendet konkrete Beispiele, wenig Theorie und produktionsreife Python-Frameworks (Scikit-Learn, Keras und TensorFlow), um Ihnen zu helfen, ein intuitives Verständnis für die Konzepte und Werkzeuge zum Aufbau intelligenter Systeme zu entwickeln. In dieser aktualisierten dritten Ausgabe untersucht der Autor Aurélien Géron eine Reihe von Techniken, beginnend mit einfacher linearer Regression und fortschreitend zu tiefen neuronalen Netzen. Zahlreiche Codebeispiele und Übungen im gesamten Buch helfen Ihnen, das Gelernte anzuwenden. Programmiererfahrung ist alles, was Sie für den Einstieg benötigen.

Verwenden Sie Scikit-learn, um ein ML-Projekt von Anfang bis Ende zu verfolgen Entdecken Sie mehrere Modelle, darunter Support Vector Machines, Entscheidungsbäume, Random Forests und Ensemble-Methoden Nutzen Sie Techniken des unüberwachten Lernens wie Dimensionsreduktion, Clustering und Anomalieerkennung Tauchen Sie in neuronale Netzarchitekturen ein, darunter Faltungsnetze, rekurrente Netze, Generative Adversarial Networks, Autoencoder, Diffusionsmodelle und Transformer Verwenden Sie TensorFlow und Keras, um neuronale Netze für Computer Vision, natürliche Sprachverarbeitung, generative Modelle und Deep Reinforcement Learning zu erstellen und zu trainieren