Introducing Machine Learning


Introducing Machine Learning
Author: Dino Esposito
Publisher: Microsoft Press
ISBN: 9780135565667
Size: 12.38 MB
Format: PDF, Docs
View: 2034
Get Books

Introducing Machine Learning

eBook File: Introducing-machine-learning.PDF Book by Dino Esposito, Introducing Machine Learning Books available in PDF, EPUB, Mobi Format. Download Introducing Machine Learning books, Today, machine learning offers software professionals unparalleled opportunity for career growth. In Introducing Machine Learning, best-selling software development author, trainer, and consultant Dino Esposito offers a complete introduction to the field for programmers, architects, lead developers, and managers alike. Esposito begins by illuminating what's known about how humans and machines learn, introducing the most important classes of machine learning algorithms, and explaining what each of them can do. Esposito demystifies key concepts ranging from neural networks to supervised and unsupervised learning. Next, he explains each step needed to build a successful machine learning solution, from collecting and fine-tuning source data to building and testing your solution. Then, building on these essentials, he guides you through constructing two complete solutions with ML.NET, Microsoft's powerful open source and cross-platform machine learning framework. Step by step, you'll create systems for performing sentiment analysis on social feeds, and analyzing traffic to predict accidents. By the time you're finished, you'll be ready to participate in data science projects and build working solutions of your own.


Introducing Machine Learning
Language: en
Pages: 256
Authors: Dino Esposito, Francesco Esposito
Categories: Computers
Type: BOOK - Published: 2019-11-07 - Publisher: Microsoft Press
Today, machine learning offers software professionals unparalleled opportunity for career growth. In Introducing Machine Learning, best-selling software development author, trainer, and consultant Dino Esposito offers a complete introduction to the field for programmers, architects, lead developers, and managers alike. Esposito begins by illuminating what's known about how humans and machines learn, introducing the most important classes of machine learning algorithms, and explaining what each of them can do. Esposito demystifies key concepts ranging from neural networks to supervised and unsupervised learning. Next, he explains each step needed to build a successful machine learning solution, from collecting and fine-tuning source data to building and testing your solution. Then, building on these essentials, he guides you through constructing two complete solutions with ML.NET, Microsoft's powerful open source and cross-platform machine learning framework. Step by step, you'll create systems for performing sentiment analysis on social feeds, and analyzing traffic to predict accidents. By the time you're finished, you'll be ready to participate in data science projects and build working solutions of your own.
Einführung in Machine Learning mit Python
Language: de
Pages: 378
Authors: Andreas C. Müller, Sarah Guido
Categories: Computers
Type: BOOK - Published: 2017-07-21 - Publisher: O'Reilly
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
Maschinelles Lernen
Language: de
Pages: 655
Authors: Ethem Alpaydin
Categories: Computers
Type: BOOK - Published: 2019-05-20 - Publisher: Walter de Gruyter GmbH & Co KG
Das maschinelle Lernen ist zwangsläufi g eines der am schnellsten wachsenden Gebiete der Computerwissenschaft. Nicht nur die zu verarbeitenden Datenmengen werden immer umfangreicher, sondern auch die Theorie, wie man sie verarbeiten und in Wissen verwandeln kann. Maschinelles Lernen ist ein verständlich geschriebenes Lehrbuch, welches ein breites Spektrum an Themen aus verschiedenen Bereichen abdeckt, wie zum Beispiel Statistik, Mustererkennung, neuronale Netze, künstliche Intelligenz, Signalverarbeitung, Steuerung und Data Mining. Darüber hinaus beinhaltet das Buch auch Themen, die von einführenden Werken häufi g nicht behandelt werden. Unter anderem: Überwachtes Lernen; Bayessche Entscheidungstheorie; parametrische und nichtparametrische Statistik; multivariate Analysis; Hidden-Markow-Modelle; bestärkendes Lernen; Kernel-Maschinen; graphische Modelle; Bayes-Schätzung und statistischen Testmethoden. Da maschinelles Lernen eine immer größere Rolle für Studierende der Informatik spielt, geht die zweite Aufl age des Buches auf diese Veränderung ein und unterstützt gezielt Anfänger in diesem Gebiet, unter anderem durch Übungsaufgaben und zusätzlichen Beispieldatensätzen. Prof. Dr. Ethem Alpaydin, Bogaziçi University, Istanbul.
Grundkurs Künstliche Intelligenz
Language: de
Pages: 334
Authors: Wolfgang Ertel
Categories: Computers
Type: BOOK - Published: 2009-07-24 - Publisher: Springer-Verlag
Alle Teilgebiete der KI werden mit dieser Einführung kompakt, leicht verständlich und anwendungsbezogen dargestellt. Hier schreibt jemand, der das Gebiet nicht nur bestens kennt, sondern auch in der Lehre engagiert und erfolgreich vertritt. Von der klassischen Logik über das Schließen mit Unsicherheit und maschinelles Lernen bis hin zu Anwendungen wie Expertensysteme oder lernfähige Roboter. Sie werden von dem sehr guten Überblick in dieses faszinierende Teilgebiet der Informatik profitieren. Und Sie gewinnen vertiefte Kenntnisse, z. B. hinsichtlich der wichtigsten Verfahren zur Repräsentation und Verarbeitung von Wissen. Vor allem steht der Anwendungsbezug im Fokus der Darstellung. Viele Übungsaufgaben mit Lösungen sowie eine strukturierte Liste mit Verweisen auf Literatur und Ressourcen im Web ermöglichen ein effektives und kurzweiliges Selbststudium. "Wolfgang Ertel [...] schafft es auf rund 300 Seiten verständlich zu erklären, wie Aussagenlogik, maschinelles Lernen und neuronale Netze die Grundlagen für künstliche Intelligenz bilden." Technology Review 04/2008
MACHINE LEARNING MIT PYTHON;DAS PRAXIS-HANDBUCH FUR DATA SCIENCE, PREDICTIVE ANALYTICS UND DEEP LEARNING.
Language: de
Pages:
Authors: SEBASTIAN RASCHKA.
Categories: Computers
Type: BOOK - Published: - Publisher:
Books about MACHINE LEARNING MIT PYTHON;DAS PRAXIS-HANDBUCH FUR DATA SCIENCE, PREDICTIVE ANALYTICS UND DEEP LEARNING.
Machine Learning for Kids
Language: en
Pages: 392
Authors: Dale Lane
Categories: Computers
Type: BOOK - Published: 2021-01-21 - Publisher: No Starch Press
"An introduction to machine learning and artificial intelligence, using the Scratch programming language. Provides instructions to make a game that can learn hand motions, a chatbot that can answer questions, a computer assistant that can learn simple commands, and more"--
TensorFlow für Dummies
Language: de
Pages: 324
Authors: Matthew Scarpino
Categories: Computers
Type: BOOK - Published: 2018-11-19 - Publisher: John Wiley & Sons
TensorFlow ist Googles herausragendes Werkzeug für das maschinelle Lernen, und dieses Buch macht es zugänglich, selbst wenn Sie bisher wenig über neuronale Netze und Deep Learning wissen. Sie erfahren, auf welchen Prinzipien TensorFlow basiert und wie Sie mit TensorFlow Anwendungen schreiben. Gleichzeitig lernen Sie die Konzepte des maschinellen Lernens kennen. Wenn Sie Softwareentwickler sind und TensorFlow in Zukunft einsetzen möchten, dann ist dieses Buch der richtige Einstieg für Sie. Greifen Sie auch zu, wenn Sie einfach mehr über das maschinelle Lernen erfahren wollen.
Introducing MLOps
Language: en
Pages: 186
Authors: Mark Treveil, Nicolas Omont, Clément Stenac, Kenji Lefevre, Du Phan, Joachim Zentici, Adrien Lavoillotte, Makoto Miyazaki, Lynn Heidmann
Categories: Computers
Type: BOOK - Published: 2020-11-30 - Publisher: O'Reilly Media
More than half of the analytics and machine learning (ML) models created by organizations today never make it into production. Some of the challenges and barriers to operationalization are technical, but others are organizational. Either way, the bottom line is that models not in production can't provide business impact. This book introduces the key concepts of MLOps to help data scientists and application engineers not only operationalize ML models to drive real business change but also maintain and improve those models over time. Through lessons based on numerous MLOps applications around the world, nine experts in machine learning provide insights into the five steps of the model life cycle--Build, Preproduction, Deployment, Monitoring, and Governance--uncovering how robust MLOps processes can be infused throughout. This book helps you: Fulfill data science value by reducing friction throughout ML pipelines and workflows Refine ML models through retraining, periodic tuning, and complete remodeling to ensure long-term accuracy Design the MLOps life cycle to minimize organizational risks with models that are unbiased, fair, and explainable Operationalize ML models for pipeline deployment and for external business systems that are more complex and less standardized
Statistik-Workshop für Programmierer
Language: de
Pages: 160
Authors: Allen B. Downey
Categories: Computers
Type: BOOK - Published: 2012-05-31 - Publisher: O'Reilly Germany
Wenn Sie programmieren können, beherrschen Sie bereits Techniken, um aus Daten Wissen zu extrahieren. Diese kompakte Einführung in die Statistik zeigt Ihnen, wie Sie rechnergestützt, anstatt auf mathematischem Weg Datenanalysen mit Python durchführen können. Praktischer Programmier-Workshop statt grauer Theorie: Das Buch führt Sie anhand eines durchgängigen Fallbeispiels durch eine vollständige Datenanalyse -- von der Datensammlung über die Berechnung statistischer Kennwerte und Identifikation von Mustern bis hin zum Testen statistischer Hypothesen. Gleichzeitig werden Sie mit statistischen Verteilungen, den Regeln der Wahrscheinlichkeitsrechnung, Visualisierungsmöglichkeiten und vielen anderen Arbeitstechniken und Konzepten vertraut gemacht. Statistik-Konzepte zum Ausprobieren: Entwickeln Sie über das Schreiben und Testen von Code ein Verständnis für die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik: Überprüfen Sie das Verhalten statistischer Merkmale durch Zufallsexperimente, zum Beispiel indem Sie Stichproben aus unterschiedlichen Verteilungen ziehen. Nutzen Sie Simulationen, um Konzepte zu verstehen, die auf mathematischem Weg nur schwer zugänglich sind. Lernen Sie etwas über Themen, die in Einführungen üblicherweise nicht vermittelt werden, beispielsweise über die Bayessche Schätzung. Nutzen Sie Python zur Bereinigung und Aufbereitung von Rohdaten aus nahezu beliebigen Quellen. Beantworten Sie mit den Mitteln der Inferenzstatistik Fragestellungen zu realen Daten.
Lean In
Language: de
Pages: 312
Authors: Sheryl Sandberg
Categories: Biography & Autobiography
Type: BOOK - Published: 2013-03-30 - Publisher: Ullstein eBooks
In Deutschland sitzen in den Vorständen der 100 umsatzstärksten Firmen gerade einmal drei Prozent Frauen. International sieht es nicht viel besser aus. Sheryl Sandberg ist COO von Facebook und gehörte davor zur Führungsmannschaft bei Google. Zusammen mit ihrem Mann Dave erzieht sie zwei kleine Kinder. Sie ist eine der wenigen sichtbaren Top-Managerinnen weltweit und ein Vorbild für Frauen aller Generationen. In ihrem Buch widmet sie sich ihrem Herzensthema: Wie können mehr Frauen in anspruchsvollen Jobs an die Spitze gelangen? Sie beschreibt äußere und innere Barrieren, die Frauen den Aufstieg verwehren. Sandberg zeigt, wie jede Frau ihre Ziele erreichen kann.