Custom cover image
Custom cover image

Maschinelles Lernen : Grundlagen und Algorithmen in Python / Jörg Frochte

By: Contributor(s): Resource type: Ressourcentyp: Buch (Online)Book (Online)Language: German Series: Hanser eLibraryPublisher: München : Hanser, [2019]Copyright date: © 2019Edition: 2., aktualisierte AuflageDescription: 1 Online-Ressource (406 Seiten) : Illustrationen, DiagrammeISBN:
  • 9783446459977
  • 3446459979
Subject(s): Additional physical formats: 9783446459960 | Erscheint auch als: Maschinelles Lernen. Druck-Ausgabe 2., aktualisierte Auflage. München : Hanser, 2019. 406 SeitenDDC classification:
  • 004
  • 004
RVK: RVK: ST 300Local classification: Lokale Notation: inf 6.21DOI: DOI: 10.3139/9783446459977Online resources: Summary: Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt: - Es wird demonstriert, wie man die Algorithmen des maschinellen Lernens verwendet und der Hintergrund geliefert, um zu verstehen, wie und warum diese Algorithmen funktionieren. - Ebenfalls enthalten ist ein kompakter Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens. - Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt. - Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen. - Es werden verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens besprochen, u.a. Random Forest, DBSCAN und Q-Learning. Vorausgesetzt werden Kenntnisse in objektorientierter Programmierung und Basiswissen der Hochschulmathematik. Die nötige Mathematik wird eingebettet im Buch präsentiert und die Theorie direkt in Python-Code umgesetzt. Das Buch ist ideal für Studierende der Informatik, Mechatronik, Elektrotechnik und der angewandten Statistik/Data Science sowie für Ingenieure und Informatiker in der Praxis.PPN: PPN: 1067773932Package identifier: Produktsigel: ZDB-16-HEB | ZDB-16-HET | ZDB-16-HEB | ZDB-16-HEM
No physical items for this record
KIT – The Research University in the Helmholtz Association                         Home | Impressum | Datenschutz | Barrierefreiheit | KIT