Sebastian Raschka Bücher

Datenanalyse mit fortgeschrittenen statistischen Modellen des Machine Learnings und Anwendung zentraler Algorithmen sowie Python-Bibliotheken wie NumPy, SciPy, scikit-learn, matplotlib, pandas, Theano und Keras. Verständlicher Python-Code optimiert Ihre Algorithmen. Machine Learning und Predictive Analytics revolutionieren Unternehmensabläufe. Die Fähigkeit, Trends und Muster in komplexen Daten zu erkennen, ist entscheidend für den langfristigen Geschäftserfolg und wird zu einer zentralen Wachstumsstrategie. Der Autor bietet einen detaillierten Einblick in Predictive Analytics-Techniken und erläutert die grundlegenden theoretischen Prinzipien des Machine Learnings mit praktischen Anwendungen. Besondere Aufmerksamkeit gilt der Formulierung und Beantwortung der richtigen Fragen. Python gilt als führende Programmiersprache in der Data Science und eignet sich hervorragend zur Gewinnung grundlegender Erkenntnisse sowie zur Entwicklung ausgefeilter Algorithmen und Modelle. Das Buch behandelt leistungsstarke Python-Bibliotheken wie scikit-learn, Theano und Keras und führt Schritt für Schritt in die Grundlagen von Python für maschinelles Lernen ein. Themen umfassen Regressionsanalysen, Clusteranalysen, Datenvorverarbeitung, Dimensionsreduktion, neuronale Netze, Ensemble Learning und die Integration von Machine-Learning-Modellen in Webanwendungen sowie Stimmungsanalysen in sozialen Netzwerken.

Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, TensorFlow, Matplotlib, Pandas und Keras Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen Machine Learning und Predictive Analytics verändern die Arbeitsweise von Unternehmen grundlegend. Die Fähigkeit, in komplexen Daten Trends und Muster zu erkennen, ist heutzutage für den langfristigen geschäftlichen Erfolg ausschlaggebend und entwickelt sich zu einer der entscheidenden Wachstumsstrategien. Die zweite Auflage dieses Buchs berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dies betrifft insbesondere die neuesten Open-Source-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Python zählt zu den führenden Programmiersprachen in den Bereichen Machine Learning, Data Science und Deep Learning und ist besonders gut dazu geeignet, grundlegende Erkenntnisse aus Ihren Daten zu gewinnen sowie ausgefeilte Algorithmen und statistische Modelle auszuarbeiten, die neue Einsichten liefern und wichtige Fragen beantworten. Die Autoren erläutern umfassend den Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür behandeln sie in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Sie lernen detailliert, wie Sie Python für maschinelle Lernverfahren einsetzen und dabei eine Vielzahl von statistischen Modellen verwenden. Aus dem Inhalt: Trainieren von Lernalgorithmen für die Klassifizierung Regressionsanalysen zum Prognostizieren von Ergebnissen Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten Deep-Learning-Verfahren zur Bilderkennung Optimale Organisation Ihrer Daten durch effektive Verfahren zur Vorverarbeitung Datenkomprimierung durch Dimensionsreduktion Training Neuronaler Netze mit TensorFlow Kombination verschiedener Modelle für das Ensemble Learning Einbettung eines Machine-Learning-Modells in eine Webanwendung Stimmungsanalyse in Social Networks Modellierung sequenzieller Daten durch rekurrente Neuronale Netze