Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow: Konzepte, Tools und Techniken für intelligente Systeme
Gespeichert in:
| Späterer Titel: | Géron, Aurélien Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow |
|---|---|
| 1. Verfasser: | |
| Weitere Verfasser: | |
| Format: | Buch |
| Sprache: | German English |
| Veröffentlicht: |
Heidelberg
O'Reilly
2018
|
| Ausgabe: | 1. Auflage |
| Schlagworte: | |
| Online-Zugang: | Inhaltstext Inhaltsverzeichnis |
| Beschreibung: | XXII, 552 Seiten Illustrationen, Diagramme |
| ISBN: | 9783960090618 3960090617 |
Internformat
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV044526893 | ||
| 003 | DE-604 | ||
| 005 | 20221111 | ||
| 007 | t | ||
| 008 | 171009s2018 gw a||| |||| 00||| ger d | ||
| 015 | |a 17,N37 |2 dnb | ||
| 015 | |a 18,A11 |2 dnb | ||
| 016 | 7 | |a 1139504843 |2 DE-101 | |
| 020 | |a 9783960090618 |c Broschur : circa EUR 39.90 (DE), circa EUR 41.10 (AT) |9 978-3-96009-061-8 | ||
| 020 | |a 3960090617 |9 3-96009-061-7 | ||
| 035 | |a (OCoLC)1003866037 | ||
| 035 | |a (DE-599)DNB1139504843 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 1 | |a ger |h eng | |
| 044 | |a gw |c XA-DE-BW | ||
| 049 | |a DE-M347 |a DE-91G |a DE-706 |a DE-M49 |a DE-1046 |a DE-473 |a DE-20 |a DE-1102 |a DE-19 |a DE-11 |a DE-29T |a DE-634 |a DE-858 |a DE-573 |a DE-83 |a DE-92 |a DE-945 |a DE-898 |a DE-1043 |a DE-2070s | ||
| 082 | 0 | |a 006.31 |2 22/ger | |
| 082 | 0 | |a 005.133 |2 22/ger | |
| 082 | 0 | |a 004 |2 23 | |
| 084 | |a ST 250 |0 (DE-625)143626: |2 rvk | ||
| 084 | |a ST 300 |0 (DE-625)143650: |2 rvk | ||
| 084 | |a ST 302 |0 (DE-625)143652: |2 rvk | ||
| 084 | |a ST 304 |0 (DE-625)143653: |2 rvk | ||
| 084 | |a DAT 708f |2 stub | ||
| 084 | |a 004 |2 sdnb | ||
| 084 | |a DAT 368f |2 stub | ||
| 084 | |a DAT 316f |2 stub | ||
| 100 | 1 | |a Géron, Aurélien |e Verfasser |0 (DE-588)1131560930 |4 aut | |
| 240 | 1 | 0 | |a Hands-on machine learning with Scikit-learn and TensorFlow : concepts, tools, and techniques to build intelligent systems |
| 245 | 1 | 0 | |a Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow |b Konzepte, Tools und Techniken für intelligente Systeme |c Aurélien Géron ; deutsche Übersetzung von Kristian Rother |
| 250 | |a 1. Auflage | ||
| 264 | 1 | |a Heidelberg |b O'Reilly |c 2018 | |
| 300 | |a XXII, 552 Seiten |b Illustrationen, Diagramme | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 650 | 0 | 7 | |a Keras |g Framework, Informatik |0 (DE-588)1160521077 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Programmbibliothek |0 (DE-588)4121521-7 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Künstliche Intelligenz |0 (DE-588)4033447-8 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Python |g Programmiersprache |0 (DE-588)4434275-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |2 gnd |9 rswk-swf |
| 689 | 0 | 0 | |a Künstliche Intelligenz |0 (DE-588)4033447-8 |D s |
| 689 | 0 | 1 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
| 689 | 0 | 2 | |a Programmbibliothek |0 (DE-588)4121521-7 |D s |
| 689 | 0 | 3 | |a Python |g Programmiersprache |0 (DE-588)4434275-5 |D s |
| 689 | 0 | 4 | |a Keras |g Framework, Informatik |0 (DE-588)1160521077 |D s |
| 689 | 0 | |5 DE-604 | |
| 700 | 1 | |a Rother, Kristian |d 1977- |0 (DE-588)133397068 |4 trl | |
| 775 | 0 | 8 | |i Parallele Sprachausgabe |z 9781491962299 |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, ePub |z 978-3-96010-115-4 |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, Mobi |z 978-3-96010-116-1 |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, PDF |z 978-3-96010-114-7 |w (DE-604)BV044734721 |
| 785 | 0 | 0 | |i Gefolgt von |a Géron, Aurélien |t Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow |d 2020 |z 978-3-96009-124-0 |
| 856 | 4 | 2 | |m X:MVB |q text/html |u http://deposit.dnb.de/cgi-bin/dokserv?id=6ba05f7dfc5242d6bbc6f653e199e877&prov=M&dok_var=1&dok_ext=htm |3 Inhaltstext |
| 856 | 4 | 2 | |m DNB Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=029926270&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-029926270 | |
Datensatz im Suchindex
| _version_ | 1806414108076015616 |
|---|---|
| adam_text |
INHALT
V O RW O
RT.
XV
TEIL I DIE G RUNDLAGEN DES M ACHINE LEARNING
1 DIE MACHINE LEARNING-UMGEBUNG
. 3
WAS IST MACHINE
LEARNING?.
4
WARUM WIRD MACHINE LEARNING VERWENDET?
.
4
ARTEN VON MACHINE-LEARNING-SYSTEMEN
. 7
UEBERWACHTES/UNUEBERWACHTES
LERNEN. 8
BATCH- UND
ONLINE-LEARNING.
14
INSTANZBASIERTES VERSUS MODELLBASIERTES LERNEN
.
17
DIE WICHTIGSTEN HERAUSFORDERUNGEN BEIM MACHINE LEARNING
.
22
UNZUREICHENDE MENGE AN TRAININGSDATEN
.
23
NICHT REPRAESENTATIVE
TRAININGSDATEN. 24
MINDERWERTIGE D ATEN
. 26
IRRELEVANTE
MERKMALE.
26
OVERFITTING DER
TRAININGSDATEN. 26
UNDERFITTING DER T
RAININGSDATEN. 29
ZUSAMMENFASSUNG.
29
TESTEN UND
VALIDIEREN.
30
UE
BUNGEN.
32
2 EIN MACHINE-LEARNING-PROJEKT VON A BIS Z
.
33
DER UMGANG MIT REALEN DATEN
. 33
BETRACHTE DAS GESAMTBILD
.
35
DIE AUFGABE ABSTECKEN
.
35
WAEHLE EIN QUALITAETSMASS A U S
.
37
UEBERPRUEFE DIE ANNAHMEN
.
40
BESCHAFFE DIE DATEN
.
40
ERSTELLE EINE
ARBEITSUMGEBUNG.
40
DIE DATEN
HERUNTERLADEN.
44
WIRF EINEN KURZEN BLICK AUF DIE DATENSTRUKTUR
.
45
ERSTELLE EINEN
TESTDATENSATZ.
49
ERKUNDE UND VISUALISIERE DIE DATEN, UM ERKENNTNISSE ZU
GEWINNEN
.
53
VISUALISIEREN GEOGRAFISCHER D ATEN
. 53
SUCHE NACH
KORRELATIONEN.
56
EXPERIMENTIEREN MIT KOMBINATIONEN VON MERKMALEN
.
58
BEREITE DIE DATEN FUER MACHINE-LEARNING-ALGORITHMEN V O R
.
60
AUFBEREITEN DER D
ATEN.
60
BEARBEITEN VON TEXT UND KATEGORISCHEN MERKMALEN
.
63
EIGENE TRANSFORMER
.
65
SKALIEREN VON
MERKMALEN.
66
PIPELINES ZUR
TRANSFORMATION.
67
WAEHLE EIN MODELL AUS UND TRAINIERE E S
. 69
TRAINIEREN UND AUSWERTEN AUF DEM TRAININGSDATENSATZ
.
69
BESSERE AUSWERTUNG MITTELS
KREUZVALIDIERUNG. 71
OPTIMIERE DAS MODELL
.
73
GITTERSUCHE.
73
ZUFAELLIGE SUCHE
.
75
ENSEMBLE-METHODEN
.
76
ANALYSIERE DIE BESTEN MODELLE UND IHRE FEHLER
.
76
EVALUIERE DAS SYSTEM AUF DEM
TESTDATENSATZ. 77
NIMM DAS SYSTEM IN BETRIEB, UEBERWACHE UND WARTE ES
.
78
PROBIEREN SIE ES A U S !
.
78
UEBUNGEN.
79
3 K LASSIFIKATION
.
81
M
NIST.
81
TRAINIEREN EINES BINAEREN
KLASSIFIKATORS. 83
QUALITAETSMASSE.
84
MESSEN DER GENAUIGKEIT UEBER KREUZVALIDIERUNG
.
84
KONFUSIONSMATRIX
.
86
RELEVANZ UND
SENSITIVITAET.
88
DIE WECHSELBEZIEHUNG ZWISCHEN RELEVANZ UND SENSITIVITAET
.
89
DIE
ROC-KURVE.
92
KLASSIFIKATOREN MIT MEHREREN KATEGORIEN
. 96
FEHLERANALYSE.
98
KLASSIFIKATION MIT MEHREREN
LABELS. 102
KLASSIFIKATION MIT MEHREREN
AUSGABEN. 103
UEBUNGSAUFGABEN.
105
4 TRAINIEREN VON M O D E LLE N
. 107
LINEARE
REGRESSION.
108
DIE
NORMALENGLEICHUNG.
110
KOMPLEXITAET DER
BERECHNUNG. 112
DAS
GRADIENTENVERFAHREN.
112
BATCH-GRADIENTENVERFAHREN.
116
STOCHASTISCHES
GRADIENTENVERFAHREN. 118
MINI-BATCH-GRADIENTENVERFAHREN.
121
POLYNOMIELLE
REGRESSION.
122
LERNKURVEN.
124
REGULARISIERTE LINEARE
MODELLE. 128
RIDGE-REGRESSION.
129
LASSO-REGRESSION.
131
ELASTIC
NET.
133
EARLY
STOPPING.
134
LOGISTISCHE
REGRESSION.
135
ABSCHAETZEN VON
WAHRSCHEINLICHKEITEN. 135
TRAINIEREN UND
KOSTENFUNKTION. 136
ENTSCHEIDUNGSGRENZEN.
138
SOFTMAX-REGRESSION.
140
UE
BUNGEN.
144
5 SUPPORT VECTOR M
ACHINES.
145
LINEARE KLASSIFIKATION MIT SVM
S. 145
SOFT-MARGIN-KLASSIFIKATION.
146
NICHTLINEARE
SVM-KLASSIFIKATION.
149
POLYNOMIELLER
KERNEL.
150
HINZUFUEGEN VON AEHNLICHKEITSBASIERTEN MERKMALEN
.
151
DER GAUSSSCHE
RBF-KERNEL.
152
KOMPLEXITAET DER
BERECHNUNG. 153
SVM-REGRESSION.
154
HINTER DEN
KULISSEN.
156
ENTSCHEIDUNGSFUNKTION UND VORHERSAGEN
.
156
ZIELFUNKTIONEN BEIM
TRAINIEREN. 157
QUADRATISCHE PROGRAMME
.
159
DAS DUALE PROBLEM
.
160
KERNEL-SVM.
161
ONLINE-SVMS
.
163
UEBUNGEN.
165
6 E NTSCHEIDUNGSBAEUM
E.
167
TMINIEREN UND VISUALISIEREN EINES ENTSCHEIDUNGSBAUMS
.
167
VORHERSAGEN TREFFEN
.
168
SCHAETZEN VON WAHRSCHEINLICHKEITEN FUER KATEGORIEN
.
171
DER
GART-TRAININGS-ALGORITHMUS.
171
KOMPLEXITAET DER BERECHNUNG
. 172
GINI-UNREINHEIT ODER ENTROPIE?
. 173
HYPERPARAMETER ZUR
REGULARISIERUNG. 173
REGRESSION.
175
INSTABILITAET.
177
UEBUNGEN.
178
7 ENSEMBLE LEARNING UND RANDOM F O RE S TS
.
181
ABSTIMMVERFAHREN UNTER
KLASSIFIKATOREN. 181
BAGGING UND
PASTING.
185
BAGGING UND PASTING IN
SCIKIT-LEARN. 186
OUT-OF-BAG-EVALUATION
.
187
ZUFAELLIGE PATCHES UND
SUBRAEUME. 188
RANDOM FO RESTS
.
189
EXTRA-TREES
.
190
WICHTIGKEIT VON MERKMALEN
.
190
BOOSTING.
191
ADABOOST
.
192
GRADIENT BOOSTING
.
195
STACKING.
200
UEBUNGEN.
203
8 D IM ENSIONSREDUKTION
.
205
DER FLUCH DER
DIMENSIONALITAET.
206
DIE WICHTIGSTEN ANSAETZE ZUR DIMENSIONSREDUKTION
.
207
PROJEKTION
.
207
MANIFOLD
LEARNING.
210
HAUPTKOMPONENTENZERLEGUNG
(PCA). 211
ERHALTEN DER VARIANZ
.
211
HAUPTKOMPONENTEN
.
212
DIE PROJEKTION AUF D
DIMENSIONEN. 213
VERWENDEN VON
SCIKIT-LEARN.
214
DER ANTEIL ERKLAERTER
VARIANZ. 214
AUSWAEHLEN DER RICHTIGEN ANZAHL DIMENSIONEN
.
215
PCA ALS
KOMPRIMIERUNGSVERFAHREN.
216
INKREMENTELLE
PCA.
217
RANDOMISIERTE
PCA.
217
KERNEL PC A
.
218
AUSWAHL EINES KERNELS UND OPTIMIERUNG DER HYPERPARAMETER . . . 219
LLE
.
221
WEITERE TECHNIKEN ZUR DIMENSIONSREDUKTION
.
223
UE
BUNGEN.
224
TEIL II N EURONALE NETZE UND DEEP LEARNING
9 EINSATZBEREIT MIT
TENSORFLOW.
227
INSTALLATION.
230
ERSTELLEN UND AUSFUEHREN EINES ERSTEN G RAPHEN
.
230
GRAPHEN VERWALTEN
.
232
LEBENSZYKLUS DES WERTS VON
KNOTEN. 232
LINEARE REGRESSION MIT TENSORFLOW
. 233
IMPLEMENTIEREN DES GRADIENTENVERFAHRENS
.
235
MANUELLE BERECHNUNG DER G
RADIENTEN. 235
VERWENDEN VON
AUTODIFF.
236
VERWENDEN VON OPTIMIERUNGSVERFAHREN
.
237
DATEN IN DEN TRAININGSALGORITHMUS EINSPEISEN
.
238
MODELLE SPEICHERN UND
WIEDERHERSTELLEN. 239
GRAPHEN UND LERNKURVEN MIT TENSORBOARD VISUALISIEREN
.
240
NAMESCOPES.
244
MODULARITAET.
245
TEILEN VON
VARIABLEN.
247
UE
BUNGEN.
250
10 EINFUEHRUNG IN KUENSTLICHE NEURONALE NETZE
.
253
VON BIOLOGISCHEN ZU KUENSTLICHEN N EURONEN
.
254
BIOLOGISCHE
NEURONEN.
255
LOGISCHE BERECHNUNGEN MIT NEURONEN
.
256
DAS
PERZEPTRON.
257
MEHRSCHICHTIGES PERZEPTRON UND BACKPROPAGATION
.
261
EIN MLP MIT DER TENSORFLOW-API TRAINIEREN
.
264
EIN DNN DIREKT MIT TENSORFLOW TRAINIEREN
. 265
KONSTRUKTIONSPHASE.
265
AUSFUEHRUNGSPHASE.
269
VERWENDEN DES NEURONALEN N
ETZES. 270
FEINABSTIMMUNG DER HYPERPARAMETER EINES NEURONALEN NETZES . 270
ANZAHL VERBORGENER
SCHICHTEN. 271
ANZAHL NEURONEN PRO VERBORGENE
SCHICHT. 272
AKTIVIERUNGSFUNKTIONEN.
272
UEBUNGEN.
273
11 TRAINIEREN VON
DEEP-LEARNING-NETZEN. 275
DAS PROBLEM SCHWINDENDER/EXPLODIERENDER GRADIENTEN
.
275
INITIALISIERUNG NACH XAVIER UND H E
. 277
NICHT SAETTIGENDE
AKTIVIERUNGSFUNKTIONEN. 279
BATCH-NORMALISIERUNG.
282
GRADIENT
CLIPPING.
286
WIEDERVERWENDEN VORTRAINIERTER SCHICHTEN
. 287
WIEDERVERWENDEN EINES TENSORFLOW-MODELLS
.
288
MODELLE AUS ANDEREN FRAMEWORKS WIEDERVERWENDEN
.
290
EINFRIEREN DER UNTEREN
SCHICHTEN. 291
CACHING DER EINGEFRORENEN
SCHICHTEN. 291
VERAENDERN, AUSLASSEN ODER ERSETZEN DER OBEREN SCHICHTEN
.
292
MODELL-ZOOS
.
293
UNUEBERWACHTES
VORTRAINIEREN. 293
VORTRAINIEREN ANHAND EINER
HILFSAUFGABE. 294
SCHNELLERE
OPTIMIERER.
295
MOMENTUM
OPTIMIZATION.
296
BESCHLEUNIGTER GRADIENT NACH
NESTEROV. 297
ADAGRAD.
298
RMSPROP.
300
ADAM-OPTIMIERUNG.
300
SCHEDULING DER
LERNRATE.
302
VERMEIDEN VON OVERFITTING DURCH REGULARISIERUNG
.
305
EARLY STOPPING
.
305
11- UND
12-REGULARISIERUNG.
305
D
ROP-OUT.
306
MAX-NORM-REGULARISIERUNG.
309
DATA
AUGMENTATION.
311
PRAKTISCHE TIP P S
.
312
UEBUNGEN.
313
12 TENSORFLOW UEBER MEHRERE GERAETE UND SERVER V E RTE ILE N
.
317
MEHRERE RECHENEINHEITEN AUF EINEM COMPUTER
.
318
INSTALLATION.
318
DAS RAM DER GPU
VERWALTEN. 321
OPERATIONEN AUF RECHENEINHEITEN PLATZIEREN
.
322
PARALLELES
AUSFUEHREN.
326
CONTROL
DEPENDENCIES.
327
MEHRERE RECHENEINHEITEN AUF MEHREREN SERVERN
.
328
OEFFNEN EINER
SESSION.
329
MASTER- UND
WORKER-DIENSTE.
330
OPERATIONEN AUF TASKS
PINNEN. 330
SHARDING VON VARIABLEN UEBER MEHRERE PARAMETERSERVER
.
331
ZUSTAENDE MIT RESOURCE CONTAINERS ZWISCHEN SESSIONS TEILEN
.
332
ASYNCHRONE KOMMUNIKATION MIT TENSORFLOW-QUEUES
.
334
DATEN DIREKT AUS DEM GRAPHEN
LADEN. 339
PARALLELISIEREN NEURONALER NETZE AUF EINEM TENSORFLOW-CLUSTER . 346
EIN NEURONALES NETZ PRO RECHENEINHEIT
.
346
IN-GRAPH- UND BETWEEN-GRAPH-REPLIKATION
.
347
PARALLELISIERTE
MODELLE.
349
PARALLELISIERTE D ATEN
.
351
UE
BUNGEN.
356
13 CONVOLUTIONAL NEURAL N E TW O RK S
.
359
DER AUFBAU DES VISUELLEN C
ORTEX. 360
CONVOLUTIONAL LAY
ER.
361
FILTER.
363
STAPELN MEHRERER FEATURE M
APS. 364
IMPLEMENTIERUNG IN
TENSORFLOW. 366
SPEICHERBEDARF.
368
POOLING
LAYER.
369
ARCHITEKTUREN VON
CNNS.
371
LENET-5.
372
ALEXNET.
373
GOOGLENET.
375
RESNET.
378
UE
BUNGEN.
382
14 REKURRENTE NEURONALE NETZE
. 385
REKURRENTE
NEURONEN.
386
GEDAECHTNISZELLEN.
388
EIN- UND
AUSGABESEQUENZEN.
388
EINFACHE RNNS IN
TENSORFLOW.
390
STATISCHES AUFROLLEN ENTLANG DER ZEITACHSE
.
391
DYNAMISCHES AUFROLLEN ENTLANG DER ZEITACHSE
.
393
EINGABESEQUENZEN UNTERSCHIEDLICHER LAENGE
.
393
AUSGABESEQUENZEN UNTERSCHIEDLICHER
LAENGE. 394
TRAINIEREN VON RN N
S.
395
TMINIEREN EINES
SEQUENZ-KLASSIFIKATORS. 395
TRAINIEREN DER VORHERSAGE VON
ZEITREIHEN. 397
KREATIVE RNNS
.
401
DEEP-RNNS.
402
EIN DEEP-RNN UEBER MEHRERE GPUS VERTEILEN.
403
DROP-OUT VERWENDEN
.
404
DIE SCHWIERIGKEIT, UEBER VIELE SCHRITTE ZU TRAINIEREN
.
405
LSTM-ZELLEN.
406
PEEPHOLE-VERBINDUNGEN
.
409
GRU-ZELLEN.
410
N ATUERLICHE
SPRACHVERARBEITUNG.
411
WORD EMBEDDINGS
.
411
EIN ENCODER-DECODER-NETZ ZUR MASCHINELLEN UEBERSETZUNG
.
413
UEBUNGEN.
416
15 AUTOENCODER
.
419
EFFIZIENTE REPRAESENTATION VON DATEN
. 419
HAUPTKOMPONENTENZERLEGUNG MIT EINEM UNVOLLSTAENDIGEN
LINEAREN AUTOENCODER
.
421
STACKED AUTOENCODER
.
423
IMPLEMENTIERUNG MIT
TENSORFLOW. 423
KOPPLUNG VON
GEWICHTEN.
424
TRAINIEREN MEHRERER AUTOENCODER NACHEINANDER
.
426
VISUALISIEREN DER
REKONSTRUKTIONEN. 428
VISUALISIEREN VON
MERKMALEN. 429
UNUEBERWACHTES VORTRAINIEREN MIT STACKED AUTOENCODER
.
430
DENOISING
AUTOENCODER.
432
IMPLEMENTIERUNG MIT
TENSORFLOW. 433
SPARSE AUTOENCODER
.
434
IMPLEMENTIERUNG IN
TENSORFLOW. 435
VARIATIONAL
AUTOENCODER.
436
GENERIEREN VON ZIFFERN
.
439
WEITERE
AUTOENCODER.
440
UEBUNGEN.
441
16 REINFORCEMENT L EARN IN G
.
445
LERNEN ZUM OPTIMIEREN VON
BELOHNUNGEN. 446
SUCHE NACH
POLICIES.
447
EINFUEHRUNG IN OPENAI G Y M
. 449
NEURONALE NETZE ALS
POLICIES.
452
AUSWERTEN VON AKTIONEN: DAS CREDIT-ASSIGNMENT-PROBLEM
.
455
POLICY-GRADIENTEN.
456
MARKO
V-ENTSCHEIDUNGSPROZESSE.
461
TEMPORAL DIFFERENCE LEARNING UND Q-LEARNING
.
465
ERKUNDUNGSPOLICIES.
467
APPROXIMATIVES
Q-LEARNING.
467
MS. PAC-MAN MIT DEM DQN-ALGORITHMUS SPIELEN LERNEN
.
469
UE
BUNGEN.
477
VIELEN DANK!
.
477
A LOESUNGEN ZU DEN UE BUNGSAUFGABEN
.
479
B CHECKLISTE FUER MACHINE-LEARNING-PROJEKTE
. 509
C DAS DUALE PROBLEM BEI SVMS
.
515
D A U TO D
IFF.
519
E WEITERE VERBREITETE ARCHITEKTUREN NEURONALER N ETZE
.
527
I N D E X
.
.
537 |
| any_adam_object | 1 |
| author | Géron, Aurélien |
| author2 | Rother, Kristian 1977- |
| author2_role | trl |
| author2_variant | k r kr |
| author_GND | (DE-588)1131560930 (DE-588)133397068 |
| author_facet | Géron, Aurélien Rother, Kristian 1977- |
| author_role | aut |
| author_sort | Géron, Aurélien |
| author_variant | a g ag |
| building | Verbundindex |
| bvnumber | BV044526893 |
| classification_rvk | ST 250 ST 300 ST 302 ST 304 |
| classification_tum | DAT 708f DAT 368f DAT 316f |
| ctrlnum | (OCoLC)1003866037 (DE-599)DNB1139504843 |
| dewey-full | 006.31 005.133 004 |
| dewey-hundreds | 000 - Computer science, information, general works |
| dewey-ones | 006 - Special computer methods 005 - Computer programming, programs, data, security 004 - Computer science |
| dewey-raw | 006.31 005.133 004 |
| dewey-search | 006.31 005.133 004 |
| dewey-sort | 16.31 |
| dewey-tens | 000 - Computer science, information, general works |
| discipline | Informatik |
| edition | 1. Auflage |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a2200000 c 4500</leader><controlfield tag="001">BV044526893</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20221111</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">171009s2018 gw a||| |||| 00||| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">17,N37</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">18,A11</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1139504843</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783960090618</subfield><subfield code="c">Broschur : circa EUR 39.90 (DE), circa EUR 41.10 (AT)</subfield><subfield code="9">978-3-96009-061-8</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3960090617</subfield><subfield code="9">3-96009-061-7</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1003866037</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1139504843</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="1" ind2=" "><subfield code="a">ger</subfield><subfield code="h">eng</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BW</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-M347</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-M49</subfield><subfield code="a">DE-1046</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-1102</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-29T</subfield><subfield code="a">DE-634</subfield><subfield code="a">DE-858</subfield><subfield code="a">DE-573</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-945</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-1043</subfield><subfield code="a">DE-2070s</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">006.31</subfield><subfield code="2">22/ger</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">005.133</subfield><subfield code="2">22/ger</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">004</subfield><subfield code="2">23</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 250</subfield><subfield code="0">(DE-625)143626:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 300</subfield><subfield code="0">(DE-625)143650:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 302</subfield><subfield code="0">(DE-625)143652:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">ST 304</subfield><subfield code="0">(DE-625)143653:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 708f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">004</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 368f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 316f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Géron, Aurélien</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)1131560930</subfield><subfield code="4">aut</subfield></datafield><datafield tag="240" ind1="1" ind2="0"><subfield code="a">Hands-on machine learning with Scikit-learn and TensorFlow : concepts, tools, and techniques to build intelligent systems</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow</subfield><subfield code="b">Konzepte, Tools und Techniken für intelligente Systeme</subfield><subfield code="c">Aurélien Géron ; deutsche Übersetzung von Kristian Rother</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">1. Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Heidelberg</subfield><subfield code="b">O'Reilly</subfield><subfield code="c">2018</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XXII, 552 Seiten</subfield><subfield code="b">Illustrationen, Diagramme</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Keras</subfield><subfield code="g">Framework, Informatik</subfield><subfield code="0">(DE-588)1160521077</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Programmbibliothek</subfield><subfield code="0">(DE-588)4121521-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Künstliche Intelligenz</subfield><subfield code="0">(DE-588)4033447-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Programmbibliothek</subfield><subfield code="0">(DE-588)4121521-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="3"><subfield code="a">Python</subfield><subfield code="g">Programmiersprache</subfield><subfield code="0">(DE-588)4434275-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="4"><subfield code="a">Keras</subfield><subfield code="g">Framework, Informatik</subfield><subfield code="0">(DE-588)1160521077</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Rother, Kristian</subfield><subfield code="d">1977-</subfield><subfield code="0">(DE-588)133397068</subfield><subfield code="4">trl</subfield></datafield><datafield tag="775" ind1="0" ind2="8"><subfield code="i">Parallele Sprachausgabe</subfield><subfield code="z">9781491962299</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, ePub</subfield><subfield code="z">978-3-96010-115-4</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, Mobi</subfield><subfield code="z">978-3-96010-116-1</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe, PDF</subfield><subfield code="z">978-3-96010-114-7</subfield><subfield code="w">(DE-604)BV044734721</subfield></datafield><datafield tag="785" ind1="0" ind2="0"><subfield code="i">Gefolgt von</subfield><subfield code="a">Géron, Aurélien</subfield><subfield code="t">Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow</subfield><subfield code="d">2020</subfield><subfield code="z">978-3-96009-124-0</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="q">text/html</subfield><subfield code="u">http://deposit.dnb.de/cgi-bin/dokserv?id=6ba05f7dfc5242d6bbc6f653e199e877&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=029926270&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-029926270</subfield></datafield></record></collection> |
| id | DE-604.BV044526893 |
| illustrated | Illustrated |
| indexdate | 2024-08-04T00:18:58Z |
| institution | BVB |
| isbn | 9783960090618 3960090617 |
| language | German English |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-029926270 |
| oclc_num | 1003866037 |
| open_access_boolean | |
| owner | DE-M347 DE-91G DE-BY-TUM DE-706 DE-M49 DE-BY-TUM DE-1046 DE-473 DE-BY-UBG DE-20 DE-1102 DE-19 DE-BY-UBM DE-11 DE-29T DE-634 DE-858 DE-573 DE-83 DE-92 DE-945 DE-898 DE-BY-UBR DE-1043 DE-2070s |
| owner_facet | DE-M347 DE-91G DE-BY-TUM DE-706 DE-M49 DE-BY-TUM DE-1046 DE-473 DE-BY-UBG DE-20 DE-1102 DE-19 DE-BY-UBM DE-11 DE-29T DE-634 DE-858 DE-573 DE-83 DE-92 DE-945 DE-898 DE-BY-UBR DE-1043 DE-2070s |
| physical | XXII, 552 Seiten Illustrationen, Diagramme |
| publishDate | 2018 |
| publishDateSearch | 2018 |
| publishDateSort | 2018 |
| publisher | O'Reilly |
| record_format | marc |
| spelling | Géron, Aurélien Verfasser (DE-588)1131560930 aut Hands-on machine learning with Scikit-learn and TensorFlow : concepts, tools, and techniques to build intelligent systems Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme Aurélien Géron ; deutsche Übersetzung von Kristian Rother 1. Auflage Heidelberg O'Reilly 2018 XXII, 552 Seiten Illustrationen, Diagramme txt rdacontent n rdamedia nc rdacarrier Keras Framework, Informatik (DE-588)1160521077 gnd rswk-swf Programmbibliothek (DE-588)4121521-7 gnd rswk-swf Künstliche Intelligenz (DE-588)4033447-8 gnd rswk-swf Python Programmiersprache (DE-588)4434275-5 gnd rswk-swf Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf Künstliche Intelligenz (DE-588)4033447-8 s Maschinelles Lernen (DE-588)4193754-5 s Programmbibliothek (DE-588)4121521-7 s Python Programmiersprache (DE-588)4434275-5 s Keras Framework, Informatik (DE-588)1160521077 s DE-604 Rother, Kristian 1977- (DE-588)133397068 trl Parallele Sprachausgabe 9781491962299 Erscheint auch als Online-Ausgabe, ePub 978-3-96010-115-4 Erscheint auch als Online-Ausgabe, Mobi 978-3-96010-116-1 Erscheint auch als Online-Ausgabe, PDF 978-3-96010-114-7 (DE-604)BV044734721 Gefolgt von Géron, Aurélien Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow 2020 978-3-96009-124-0 X:MVB text/html http://deposit.dnb.de/cgi-bin/dokserv?id=6ba05f7dfc5242d6bbc6f653e199e877&prov=M&dok_var=1&dok_ext=htm Inhaltstext DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=029926270&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Géron, Aurélien Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme Keras Framework, Informatik (DE-588)1160521077 gnd Programmbibliothek (DE-588)4121521-7 gnd Künstliche Intelligenz (DE-588)4033447-8 gnd Python Programmiersprache (DE-588)4434275-5 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| subject_GND | (DE-588)1160521077 (DE-588)4121521-7 (DE-588)4033447-8 (DE-588)4434275-5 (DE-588)4193754-5 |
| title | Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme |
| title_alt | Hands-on machine learning with Scikit-learn and TensorFlow : concepts, tools, and techniques to build intelligent systems |
| title_auth | Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme |
| title_exact_search | Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme |
| title_full | Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme Aurélien Géron ; deutsche Übersetzung von Kristian Rother |
| title_fullStr | Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme Aurélien Géron ; deutsche Übersetzung von Kristian Rother |
| title_full_unstemmed | Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme Aurélien Géron ; deutsche Übersetzung von Kristian Rother |
| title_new | Géron, Aurélien Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow |
| title_short | Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow |
| title_sort | praxiseinstieg machine learning mit scikit learn und tensorflow konzepte tools und techniken fur intelligente systeme |
| title_sub | Konzepte, Tools und Techniken für intelligente Systeme |
| topic | Keras Framework, Informatik (DE-588)1160521077 gnd Programmbibliothek (DE-588)4121521-7 gnd Künstliche Intelligenz (DE-588)4033447-8 gnd Python Programmiersprache (DE-588)4434275-5 gnd Maschinelles Lernen (DE-588)4193754-5 gnd |
| topic_facet | Keras Framework, Informatik Programmbibliothek Künstliche Intelligenz Python Programmiersprache Maschinelles Lernen |
| url | http://deposit.dnb.de/cgi-bin/dokserv?id=6ba05f7dfc5242d6bbc6f653e199e877&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=029926270&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT geronaurelien handsonmachinelearningwithscikitlearnandtensorflowconceptstoolsandtechniquestobuildintelligentsystems AT rotherkristian handsonmachinelearningwithscikitlearnandtensorflowconceptstoolsandtechniquestobuildintelligentsystems AT geronaurelien praxiseinstiegmachinelearningmitscikitlearnundtensorflowkonzeptetoolsundtechnikenfurintelligentesysteme AT rotherkristian praxiseinstiegmachinelearningmitscikitlearnundtensorflowkonzeptetoolsundtechnikenfurintelligentesysteme |