1.

Record Nr.

UNINA9910151832403321

Autore

Raschka Sebastian

Titolo

Machine learning mit Python : das praxis-handbuch für data science, predictive analytics und deep learning / / Sebastian Raschka ; übersetzung aus dem Englischen von Knut Lorenzen

Pubbl/distr/stampa

Frechen, [Germany] : , : mitp, , 2017

©2017

ISBN

3-95845-424-0

3-95845-423-2

Edizione

[1. Auflage.]

Descrizione fisica

1 online resource (424 pages) : illustrations

Disciplina

005.133

Soggetti

Python (Computer program language)

Machine learning

Lingua di pubblicazione

Tedesco

Formato

Materiale a stampa

Livello bibliografico

Monografia

Note generali

Includes index.

Sommario/riassunto

Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, scikit-learn, matplotlib, pandas, Theano und Keras Verständlicher und eleganter Python-Code zur Optimierung Ihrer 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. Sebastian Raschka gibt Ihnen einen detaillierten Einblick in die Techniken der Predictive Analytics. Er erläutert die grundlegenden theoretischen Prinzipien des Machine Learnings und wendet sie praktisch an. Dabei konzentriert er sich insbesondere auf das Stellen und Beantworten der richtigen Fragen.  Python zählt zu den führenden Programmiersprachen im Bereich Data Science 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.  Der Autor



erläutert in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie scikit-learn, Theano oder Keras. Sie lernen Schritt für Schritt die Grundlagen von Python für maschinelle Lernverfahren kennen und setzen dabei eine Vielfalt von statistischen Modellen ein.  Aus dem Inhalt:  Regressionsanalysen zum Prognostizieren von Ergebnissen Clusteranalysen zum Auffinden verborgener Muster und Strukturen in Ihren Daten Optimale Organisation Ihrer Daten durch effektive Verfahren zur Vorverarbeitung Datenkomprimierung durch Dimensionsreduktion Neuronale Netze erzeugen mit Keras und Theano Kombination verschiedener Modelle für das Ensemble Learning Einbettung eines Machine-Learning-Modells in eine Webanwendung Stimmungsanalyse in Social Networks