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

Durch eine aktuelle Reihe von Durchbrüchen hat Deep Learning das gesamte Feld des maschinellen Lernens vorangebracht. Nun können selbst Programmierer, die so gut wie nichts über diese Technologie wissen, einfache, effiziente Tools verwenden, um Programme zu implementieren, die in der Lage sind, aus Daten zu lernen. Dieses Bestseller-Buch verwendet konkrete Beispiele, minimale Theorie und produktionsreife Python-Frameworks (Scikit-Learn, Keras und TensorFlow), um Ihnen ein intuitives Verständnis der Konzepte und Tools zum Aufbau intelligenter Systeme zu vermitteln. Mit dieser aktualisierten dritten Ausgabe erkundet 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. Programmierkenntnisse sind alles, was Sie für den Einstieg benötigen.

Verwenden Sie Scikit-learn, um ein Beispiel-ML-Projekt von Anfang bis Ende zu verfolgen. Erkunden Sie mehrere Modelle, darunter Support Vector Machines, Entscheidungsbäume, Random Forests und Ensemble-Methoden. Nutzen Sie unüberwachte Lerntechniken wie Dimensionsreduktion, Clustering und Anomalieerkennung. Tauchen Sie ein in neuronale Netzarchitekturen, einschließlich Convolutional Nets, Recurrent Nets, Generative Adversarial Networks, Autoencoder, Diffusionsmodelle und Transformatoren. Verwenden Sie TensorFlow und Keras, um neuronale Netze für Computer Vision, natürliche Sprachverarbeitung, generative Modelle und tiefes Reinforcement Learning zu erstellen und zu trainieren