KRISTIAN ROTHER Bücher

Eine Reihe technischer Durchbrüche beim Deep Learning haben das gesamte Gebiet des maschinellen Lernens in den letzten Jahren beflügelt. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses praxisorientierte Buch zeigt Ihnen wie.Mit konkreten Beispielen, einem Minimum an Theorie und zwei unmittelbar anwendbaren Python-Frameworks - Scikit-Learn und TensorFlow - verhilft Ihnen der Autor Aurélien Géron zu einem intuitiven Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme. Sie lernen eine Vielzahl von Techniken kennen, beginnend mit einfacher linearer Regression bis hin zu Deep Neural Networks. Die in jedem Kapitel enthaltenen Übungen helfen Ihnen, das Gelernte in die Praxis umzusetzen. Um direkt zu starten, benötigen Sie lediglich etwas Programmiererfahrung

Sie möchten alles über das Manipulieren, Bereinigen und Verarbeiten von strukturierten Daten mit Python 3 erfahren? Dieses praxisorientierte Buch zeigt Ihnen anhand konkreter Fallbeispiele, wie Sie mit Bibliotheken wie Pandas, NumPy und IPython typische Datenanalyse-Probleme lösen. Geschrieben von Wes McKinney, dem Hauptautor der Pandas-Bibliothek, bietet es einen praktischen Einstieg in das Scientific Computing für datenintensive Anwendungen. Zu den Themen gehören die interaktive IPython-Shell als Programmierumgebung, die Features von NumPy, die Datenanalyse-Tools von Pandas, sowie High-Performance-Tools zum Laden, Bereinigen und Transformieren von Daten. Zudem werden Scatterplots und Visualisierungen mit matplotlib behandelt, ebenso wie GroupBy-Mechanismen von Pandas zum Zurechtschneiden und Zusammenfassen von Datensätzen. Das Buch behandelt auch das Verarbeiten von Zeitreihen-Daten und bietet Problemlösungen für Webanalyse, Sozialwissenschaften, Finanzen und Wirtschaft anhand praktischer Beispiele. Es richtet sich sowohl an Datenanalysten, die neu in Python sind, als auch an Python-Programmierer, die sich in das Scientific Computing einarbeiten möchten. Die Communities in Wissenschaft und Datenanalyse haben auf dieses Buch gewartet, das prall gefüllt mit praktischen Anleitungen und Informationen ist.

Deep-Learning-Netze, die mit großen Datenmengen trainiert werden, lösen komplexe Aufgaben mit erstaunlicher Genauigkeit. Dieses Buch bietet eine praktische Einführung in TensorFlow, die führende Open-Source-Softwarebibliothek zum Erstellen und Anlernen von Deep-Learning-Netzen für Sprach- und Bilderkennung, natürliche Sprachverarbeitung (NLP) und prädiktive Datenanalyse. Es richtet sich an technisch orientierte Leser, darunter Datenanalytiker, Ingenieure, Studenten und Wissenschaftler. Sie beginnen mit einfachen Beispielaufgaben und vertiefen sich in Themen wie die Architektur neuronaler Netze, Visualisierung mit TensorBoard, Abstraktionsbibliotheken für TensorFlow und Multithread-Pipelines zur Dateneingabe. Nach Abschluss des Buches sind Sie in der Lage, Deep-Learning-Systeme in TensorFlow zu erstellen und produktiv einzusetzen. Der Inhalt umfasst: einen schnellen Einstieg in TensorFlow, das Modellieren von Deep-Learning-Systemen, das Trainieren verbreiteter Modelle für Computer Vision und Sprachverarbeitung, die Nutzung von Abstraktionsbibliotheken zur Vereinfachung der Entwicklung, das Skalieren von TensorFlow und das Verteilte Anlernen von Modellen auf Clustern.

Learn software engineering and coding best practices to write Python code right and error free.