147 Results for : numpy

  • Thumbnail
    Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn
    Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, Keras, TensorFlow 2, Pandas und Matplotlib Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen Mit diesem Buch erhalten Sie eine umfassende Einführung in die Grundlagen und den effektiven Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür setzen Sie ein breites Spektrum leistungsfähiger Python-Bibliotheken ein, insbesondere Keras, TensorFlow 2 und Scikit-learn. Auch die für die praktische Anwendung unverzichtbaren mathematischen Konzepte werden verständlich und anhand zahlreicher Diagramme anschaulich erläutert.Die dritte Auflage dieses Buchs wurde für TensorFlow 2 komplett aktualisiert und berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dazu zählen insbesondere die neuen Features der Keras-API, das Synthetisieren neuer Daten mit Generative Adversarial Networks (GANs) sowie die Entscheidungsfindung per Reinforcement Learning.Ein sicherer Umgang mit Python wird vorausgesetzt.Aus dem Inhalt: Trainieren von Lernalgorithmen und Implementierung in PythonGängige Klassifikationsalgorithmen wie Support Vector Machines (SVM), Entscheidungsbäume und Random ForestNatural Language Processing zur Klassifizierung von FilmbewertungenClusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren DatenDeep-Learning-Verfahren für die BilderkennungDatenkomprimierung durch DimensionsreduktionTraining Neuronaler Netze und GANs mit TensorFlow 2Kombination verschiedener Modelle für das Ensemble LearningEinbettung von Machine-Learning-Modellen in WebanwendungenStimmungsanalyse in Social NetworksModellierung sequenzieller Daten durch rekurrente Neuronale NetzeReinforcement Learning und Implementierung von Q-Learning-Algorithmen
    • Shop: buecher
    • Price: 51.40 EUR excl. shipping
  • Thumbnail
    Einführung in Machine Learning mit Python (eBook, PDF)
    Machine Learning ist zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden, von der medizinischen Diagnostik bis hin zur Suche nach Freunden in sozialen Netzwerken. Um Machine-Learning-Anwendungen zu entwickeln, braucht es keine großen Expertenteams: Wenn Sie Python-Grundkenntnisse mitbringen, zeigt Ihnen dieses Praxisbuch, wie Sie Ihre eigenen Machine-Learning-Lösungen erstellen. Mit Python und der scikit-learn-Bibliothek erarbeiten Sie sich alle Schritte, die für eine erfolgreiche Machine-Learning-Anwendung notwendig sind. Die Autoren Andreas Müller und Sarah Guido konzentrieren sich bei der Verwendung von Machine-Learning-Algorithmen auf die praktischen Aspekte statt auf die Mathematik dahinter. Wenn Sie zusätzlich mit den Bibliotheken NumPy und matplotlib vertraut sind, hilft Ihnen dies, noch mehr aus diesem Tutorial herauszuholen. Das Buch zeigt Ihnen: - grundlegende Konzepte und Anwendungen von Machine Learning - Vor- und Nachteile weit verbreiteter maschineller Lernalgorithmen - wie sich die von Machine Learning verarbeiteten Daten repräsentieren lassen und auf welche Aspekte der Daten Sie sich konzentrieren sollten - fortgeschrittene Methoden zur Auswertung von Modellen und zum Optimieren von Parametern - das Konzept von Pipelines, mit denen Modelle verkettet und Arbeitsabläufe gekapselt werden - Arbeitsmethoden für Textdaten, insbesondere textspezifische Verarbeitungstechniken - Möglichkeiten zur Verbesserung Ihrer Fähigkeiten in den Bereichen Machine Learning und Data Science Dieses Buch ist eine fantastische, super praktische Informationsquelle für jeden, der mit Machine Learning in Python starten möchte - ich wünschte nur, es hätte schon existiert, als ich mit scikit-learn anfing! Hanna Wallach, Senior Researcher, Microsoft Research
    • Shop: buecher
    • Price: 28.99 EUR excl. shipping
  • Thumbnail
    Neuronale Netze und Deep Learning kapieren (eBook, ePUB)
    Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlich Deep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht. Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz. Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen. Aus dem Inhalt: Parametrische und nichtparametrische Modelle Überwachtes und unüberwachtes Lernen Vorhersagen mit mehreren Ein- und Ausgaben Fehler messen und verringern Hot und Cold Learning Batch- und stochastischer Gradientenabstieg Überanpassung vermeiden Generalisierung Dropout-Verfahren Backpropagation und Forward Propagation Bilderkennung Verarbeitung natürlicher Sprache (NLP) Sprachmodellierung Aktivierungsfunktionen Sigmoid-Funktion Tangens hyperbolicus Softmax Convolutional Neural Networks (CNNs) Recurrent Neural Networks (RNNs) Long Short-Term Memory (LSTM) Deep-Learning-Framework erstellen
    • Shop: buecher
    • Price: 25.99 EUR excl. shipping
  • Thumbnail
    Neuronale Netze und Deep Learning kapieren (eBook, PDF)
    Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlich Deep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht. Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz. Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen. Aus dem Inhalt: Parametrische und nichtparametrische Modelle Überwachtes und unüberwachtes Lernen Vorhersagen mit mehreren Ein- und Ausgaben Fehler messen und verringern Hot und Cold Learning Batch- und stochastischer Gradientenabstieg Überanpassung vermeiden Generalisierung Dropout-Verfahren Backpropagation und Forward Propagation Bilderkennung Verarbeitung natürlicher Sprache (NLP) Sprachmodellierung Aktivierungsfunktionen Sigmoid-Funktion Tangens hyperbolicus Softmax Convolutional Neural Networks (CNNs) Recurrent Neural Networks (RNNs) Long Short-Term Memory (LSTM) Deep-Learning-Framework erstellen
    • Shop: buecher
    • Price: 25.99 EUR excl. shipping
  • Thumbnail
    Python 3 Crashkurs
    Ihr Weg zum Python-Profi! Lernen Sie Python programmieren wie die Profis 3 ausführliche Beispiele aus den Bereichen Spieleprogrammierung, Datenvisualisierung und App-Entwicklung Komplett aktualisiert auf Python 3 »Python Crashkurs« ist eine kompakte und gründliche Einführung, die es Ihnen nach kurzer Zeit ermöglicht, Python-Programme zu schreiben, die für Sie Probleme lösen oder Ihnen erlauben, Aufgaben mit dem Computer zu erledigen.In der ersten Hälfte des Buches werden Sie mit grundlegenden Programmierkonzepten wie Listen, Wörterbücher, Klassen und Schleifen vertraut gemacht. Sie erlernen das Schreiben von sauberem und lesbarem Code mit Übungen zu jedem Thema. Sie erfahren auch, wie Sie Ihre Programme interaktiv machen und Ihren Code testen, bevor Sie ihn einem Projekt hinzufügen.Danach werden Sie Ihr neues Wissen in drei komplexen Projekten in die Praxis umsetzen: ein durch »Space Invaders« inspiriertes Arcade-Spiel, eine Datenvisualisierung mit Pythons superpraktischen Bibliotheken und eine einfache Web-App, die Sie online bereitstellen können.Während der Arbeit mit dem »Python Crashkurs« lernen Sie, wie Sie: leistungsstarke Python-Bibliotheken und Tools richtig einsetzen - einschließlich matplotlib, NumPy und Pygal 2D-Spiele programmieren, die auf Tastendrücke und Mausklicks reagieren, und die schwieriger werden, je weiter das Spiel fortschreitet mit Daten arbeiten, um interaktive Visualisierungen zu generieren Web-Apps erstellen und anpassen können, um diese sicher online zu deployen mit Fehlern umgehen, die häufig beim Programmieren auftreten Dieses Buch wird Ihnen effektiv helfen, Python zu erlernen und eigene Programme damit zu entwickeln.Warum länger warten? Fangen Sie an!
    • Shop: buecher
    • Price: 33.90 EUR excl. shipping
  • Thumbnail
    Python Machine Learning: The Crash Course for Beginners to Programming and Deep Learning, Artificial Intelligence, Neural Networks and Data Science. Scikit Learn, Tensorflow, Pandas and Numpy. , Hörbuch, Digital, ungekürzt, 181min
    Start programming python.What if you could make your own program, one that is able to learn by trial and error, or based on the information that you show it?What if you could get a program that could adapt and change based on the input of the user?And what if you were able to make all of this happen with the Python coding language, helping even beginner’s work with more complicated codes? This is all possible with Python machine learning.This guidebook is going to take some time to look at Python machine learning and all of the neat things that you are able to do with it. Machine learning is a growing field, one that a lot of programmers want to spend their time on.But even though this sounds like a complicated part of technology to work with, you will find that with the help of the Python coding language, anyone can start writing their own codes in machine learning.This guidebook is going to take a look at all of the different topics that you need to know in order to get started with Python machine learning. Some of the topics that we will explore inside include:The basics of machine learningThe difference between supervised and unsupervised machine learning.Setting up your new environment in the Python language.Data preprocessing with the help of machine learning.How to use Python coding to help with linear regression.Decision trees and random forests.How to work with support vector regression problems.Can machine learning really help with Naïve Bayes problems?Accelerated data analysis using the Python code.And so much more! If you have been interested in learning more about machine learning, and you want to be able to learn a few of the codes that can make it happen for you, make sure to check out this guidebook to help you get started!If all of this sounds like your ideal audiobook, the ungekürzt. Language: English. Narrator: Jason Belvill. Audio sample: https://samples.audible.de/bk/acx0/175333/bk_acx0_175333_sample.mp3. Digital audiobook in aax.
    • Shop: Audible
    • Price: 9.95 EUR excl. shipping
  • Thumbnail
    Python One-Liners
    Python programmers will improve their computer science skills with these useful one-liners.Python One-Liners will teach you how to read and write "one-liners": concise statements of useful functionality packed into a single line of code. You'll learn how to systematically unpack and understand any line of Python code, and write eloquent, powerfully compressed Python like an expert.The book's five chapters cover tips and tricks, regular expressions, machine learning, core data science topics, and useful algorithms. Detailed explanations of one-liners introduce key computer science concepts and boost your coding and analytical skills. You'll learn about advanced Python features such as list comprehension, slicing, lambda functions, regular expressions, map and reduce functions, and slice assignments. You'll also learn how to:Leverage data structures to solve real-world problems, like using Boolean indexing to find cities with above-average pollution Use NumPy basics such as array, shape, axis, type, broadcasting, advanced indexing, slicing, sorting, searching, aggregating, and statistics Calculate basic statistics of multidimensional data arrays and the K-Means algorithms for unsupervised learning Create more advanced regular expressions using grouping and named groups, negative lookaheads, escaped characters, whitespaces, character sets (and negative characters sets), and greedy/nongreedy operators Understand a wide range of computer science topics, including anagrams, palindromes, supersets, permutations, factorials, prime numbers, Fibonacci numbers, obfuscation, searching, and algorithmic sortingBy the end of the book, you'll know how to write Python at its most refined, and create concise, beautiful pieces of "Python art" in merely a single line.
    • Shop: buecher
    • Price: 24.99 EUR excl. shipping
  • Thumbnail
    Merkmalskonstruktion für Machine Learning
    Die Merkmalskonstruktion, auch Feature Engineering genannt, ist ein entscheidender Arbeitsschritt bei der Datenaufbereitung für das maschinelle Lernen, der die Leistung der Modelle stark beeinflusst. In diesem praxisnahen Buch lernen Sie Techniken, um Merkmale - numerische Repräsentationen eines bestimmten Aspekts von Rohdaten - zu gewinnen und mit maschinellen Lernmodellen nutzbar zu machen. Jedes Kapitel führt Sie durch eine spezifische Aufgabe der Datenanalyse wie etwa die Darstellung von Text- oder Bilddaten. Diese Beispiele veranschaulichen die wichtigsten Prinzipien der Merkmalskonstruktion. Statt diese Prinzipien nur zu beschreiben, legen die Autorinnen Alice Zheng und Amanda Casari im gesamten Buch den Schwerpunkt auf die praktische Anwendung mit Übungen. Das Schlusskapitel vertieft das Gelernte, indem es verschiedene Techniken der Merkmalskonstruktion auf einen realen, strukturierten Datensatz anwendet. In den Beispielen werden Python-Pakete wie numpy, Pandas, scikit-learn und Matplotlib verwendet.Aus dem Inhalt:- Merkmalskonstruktion an numerischen Daten: Filter, Klasseneinteilung, Skalierung, logarithmische und Potenz-Transformationen- Techniken für natürlichen Text: Bag-of-Words-Modelle, n-Gramme und Phrasenerkennung- Frequenzfilterung und Merkmalsskalierung zum Entfernen aussageloser Merkmale- Kodierungstechniken für Kategorievariablen, darunter Merkmals-Hashing und Klassenzählung- Modellgesteuerte Merkmalskonstruktion mit der Hauptkomponentenanalyse- Das Konzept der Modellkombination mit dem k-Means-Algorithmus als Technik zur Merkmalserzeugung- Gewinnung von Bildmerkmalen anhand manueller und Deep-Learning-Techniken "Datenaufbereitung und Merkmalskonstruktion haben sich in vielen Anwendungen als die wichtigsten Einflussfaktoren für die Leistungsfähigkeit der Modelle erwiesen. Ich freue mich, dass es endlich ein Buch gibt, das sich nur diesem Thema widmet. Alice und Amanda erklären sehr detailliert die Feinheiten vieler verbreiteter Techniken."- Andreas C. MüllerDozent für Machine Learning an der Universität von Columbia und Kernentwickler bei scikit-learn
    • Shop: buecher
    • Price: 35.90 EUR excl. shipping
  • Thumbnail
    Python Machine Learning Is the Complete Guide to Everything You Need to Know About Python Machine Learning: Keras, Numpy, Scikit Learn, Tensorflow, with Useful Exercises and Examples , Hörbuch, Digital, ungekürzt, 194min
    Do you want to learn to program with python machine learning?This book, python machine learning book is for you.Python with machine learning is increasing day-to-day popularity.Python is currently a widely used programming language for machine learning. Like the use of python in professional work, it is also growing reputation in the academic sector. In Coursera, various online courses, like programming language for machine learning, the use of Python is an excellent tool in machine learning. Python comes with Linux, Mac OSX, and Windows operating system. Python is one of Google's official programming languages. This course will introduce people who know the rough programming to Python for machine learning. The course is not suitable for those who want to learn machine learning by using Python. Those who want to use Python in the fancy project or professional project they can start learning Python with this course. And those who are preparing for higher education can also get acquainted with Python by taking this course.This course is for:Those who are new to the programming will have trouble understanding this course, but those who are already familiar with Python will have many benefits for machine learning purpose.The book includes:Introduction of machine learning            Data science, artificial intelligence, and machine learning     Machine learning preparation       Machine learning working section            Linear regression           Practical linear regression              Appendix          Conclusion    ungekürzt. Language: English. Narrator: Kevin Liang. Audio sample: https://samples.audible.de/bk/acx0/216815/bk_acx0_216815_sample.mp3. Digital audiobook in aax.
    • Shop: Audible
    • Price: 9.95 EUR excl. shipping
  • Thumbnail
    Python Machine Learning: Everything You Should Know About Python Machine Learning Including Scikit Learn, Numpy, Py Torch, Keras and Tensorflow with Step-by-Step Examples and Practical Exercises , Hörbuch, Digital, ungekürzt, 207min
    The world of machine learning is changing all the time. The idea that we are able to take a computer and let it learn as it goes is so amazing. Without having to write out all of the codes that we need for every situation out there, or every input that the user may pick, we are able to write out codes in machine learning, even with Python, in order to let the computer or device learn and make decisions on its own.This audiobook is going to take a closer look at how Python machine learning is able to work, as well as how you can use some of the tools and techniques that come with this process for your own needs. If you are interested in knowing more about what machine learning is all about, as well as how you can use a part of the coding from Python inside of this process, then this guidebook is the tool for you! Some of the topics that we will explore in this audiobook include:Understanding some of the basics of machine learningDifferent parts that you need to know to get started with machine learning and the Python languageWhat is Python and some of the basic parts of writing codes in this languageHow to set up the right environment in Python and get the libraries set upUnderstanding the Scikit-Learn library, and why it is so important to work with this type of libraryHow to work with the K-Nearest Neighbors (KNN) algorithmWhat are support vector machines, random forest algorithm, and recurrent neural networks?What are linear classifiers?How K-Means clustering is going to be different from KNNOther great things that you are able to do with Python machine learningThe field of machine learning is growing exponentially and with the help of Python and all of the cool tools and libraries that comes with it, you will find that there are endless possibilities of what you will be able to do with it. When you are ready to learn more about Python ungekürzt. Language: English. Narrator: Adam Hebert. Audio sample: https://samples.audible.de/bk/acx0/155447/bk_acx0_155447_sample.mp3. Digital audiobook in aax.
    • Shop: Audible
    • Price: 9.95 EUR excl. shipping

Similar searches: