LEADER 03361nam 2200457 450 001 9910151832403321 005 20190312112253.0 010 $a3-95845-424-0 010 $a3-95845-423-2 035 $a(CKB)3710000000953083 035 $a(MiAaPQ)EBC4761626 035 $a(CaSebORM)9783958454248 035 $a(EXLCZ)993710000000953083 100 $a20170103h20172017 uy 0 101 0 $ager 135 $aurcnu|||||||| 181 $2rdacontent 182 $2rdamedia 183 $2rdacarrier 200 10$aMachine learning mit Python $edas praxis-handbuch fu?r data science, predictive analytics und deep learning /$fSebastian Raschka ; u?bersetzung aus dem Englischen von Knut Lorenzen 205 $a1. Auflage. 210 1$aFrechen, [Germany] :$cmitp,$d2017. 210 4$d©2017 215 $a1 online resource (424 pages) $cillustrations 300 $aIncludes index. 311 $a3-95845-422-4 330 $aDatenanalyse 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 606 $aPython (Computer program language) 606 $aMachine learning 615 0$aPython (Computer program language) 615 0$aMachine learning. 676 $a005.133 700 $aRaschka$b Sebastian$0743328 702 $aLorenzen$b Knut 801 0$bMiAaPQ 801 1$bMiAaPQ 801 2$bMiAaPQ 906 $aBOOK 912 $a9910151832403321 996 $aMachine learning mit Python$92597258 997 $aUNINA