Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow: Konzepte, Tools und Techniken für intelligente Systeme
Maschinelles Lernen und insbesondere Deep Learning haben in den letzten Jahren eindrucksvolle Durchbrüche erlebt. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses Standardwerk...
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Weitere Verfasser: | , |
| Format: | Elektronisch E-Book |
| Sprache: | German English |
| Veröffentlicht: |
Heidelberg
O'Reilly
2023
|
| Ausgabe: | 3., aktualisierte und erweiterte Auflage |
| Schlagworte: | |
| Online-Zugang: | DE-522 DE-634 DE-863 DE-862 |
| Zusammenfassung: | Maschinelles Lernen und insbesondere Deep Learning haben in den letzten Jahren eindrucksvolle Durchbrüche erlebt. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses Standardwerk verwendet konkrete Beispiele, ein Minimum an Theorie und unmittelbar einsetzbare Python-Frameworks (Scikit-Learn, Keras und TensorFlow), um Ihnen ein intuitives Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme zu vermitteln. In dieser aktualisierten 3. Auflage behandelt Aurélien Géron eine große Bandbreite von Techniken: von der einfachen linearen Regression bis hin zu Deep Neural Networks. Zahlreiche Codebeispiele und Übungen helfen Ihnen, das Gelernte praktisch umzusetzen. Sie benötigen lediglich etwas Programmiererfahrung, um direkt zu starten. |
| Beschreibung: | 1 Online-Ressource (876 Seiten) Illustrationen, Diagramme |
| ISBN: | 9783960107606 |
Internformat
MARC
| LEADER | 00000nmm a22000008c 4500 | ||
|---|---|---|---|
| 001 | BV049384760 | ||
| 003 | DE-604 | ||
| 005 | 20240902 | ||
| 007 | cr|uuu---uuuuu | ||
| 008 | 231026s2023 gw |||| o||u| ||||||ger d | ||
| 020 | |a 9783960107606 |c Online, pdf |9 978-3-96010-760-6 | ||
| 035 | |a (ZDB-30-PQE)9783960107606 | ||
| 035 | |a (OCoLC)1409119500 | ||
| 035 | |a (DE-599)BVBBV049384760 | ||
| 040 | |a DE-604 |b ger |e rda | ||
| 041 | 1 | |a ger |h eng | |
| 044 | |a gw |c XA-DE-BW | ||
| 049 | |a DE-863 |a DE-862 |a DE-522 |a DE-634 | ||
| 084 | |a ST 300 |0 (DE-625)143650: |2 rvk | ||
| 084 | |a ST 302 |0 (DE-625)143652: |2 rvk | ||
| 084 | |a ST 250 |0 (DE-625)143626: |2 rvk | ||
| 084 | |a ST 304 |0 (DE-625)143653: |2 rvk | ||
| 084 | |a DAT 368 |2 stub | ||
| 084 | |a 004 |2 sdnb | ||
| 084 | |a DAT 316 |2 stub | ||
| 084 | |a DAT 708 |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, Keras, and TensorFlow |
| 245 | 1 | 0 | |a Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow |b Konzepte, Tools und Techniken für intelligente Systeme |c Aurélien Géron ; deutsche Übersetzung von Kristian Rother und Thomas Demmig |
| 250 | |a 3., aktualisierte und erweiterte Auflage | ||
| 264 | 1 | |a Heidelberg |b O'Reilly |c 2023 | |
| 264 | 4 | |c © 2023 | |
| 300 | |a 1 Online-Ressource (876 Seiten) |b Illustrationen, Diagramme | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b c |2 rdamedia | ||
| 338 | |b cr |2 rdacarrier | ||
| 505 | 8 | |a Lernen Sie die Grundlagen des Machine Learning anhand eines umfangreichen Beispielprojekts mit Scikit-Learn Erkunden Sie zahlreiche Modelle, einschließlich Support Vector Machines, Entscheidungsbäume, Random Forests und Ensemble-Methoden Nutzen Sie unüberwachtes Lernen wie Dimensionsreduktion, Clustering und Anomalieerkennung Erstellen Sie neuronale Netzarchitekturen wie Convolutional Neural Networks, Recurrent Neural Networks, Generative Adversarial Networks, Autoencoder, Diffusionsmodelle und Transformer Verwenden Sie TensorFlow und Keras zum Erstellen und Trainieren neuronaler Netze für Computer Vision, Natural Language Processing, Deep Reinforcement Learning und generative Modelle | |
| 520 | 3 | |a Maschinelles Lernen und insbesondere Deep Learning haben in den letzten Jahren eindrucksvolle Durchbrüche erlebt. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses Standardwerk verwendet konkrete Beispiele, ein Minimum an Theorie und unmittelbar einsetzbare Python-Frameworks (Scikit-Learn, Keras und TensorFlow), um Ihnen ein intuitives Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme zu vermitteln. In dieser aktualisierten 3. Auflage behandelt Aurélien Géron eine große Bandbreite von Techniken: von der einfachen linearen Regression bis hin zu Deep Neural Networks. Zahlreiche Codebeispiele und Übungen helfen Ihnen, das Gelernte praktisch umzusetzen. Sie benötigen lediglich etwas Programmiererfahrung, um direkt zu starten. | |
| 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 Python 3.0 |0 (DE-588)7624871-9 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a TensorFlow |0 (DE-588)1153577011 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |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 Neuronales Netz |0 (DE-588)4226127-2 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Deep learning |0 (DE-588)1135597375 |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 TensorFlow |0 (DE-588)1153577011 |D s |
| 689 | 0 | 5 | |a Keras |g Framework, Informatik |0 (DE-588)1160521077 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Maschinelles Lernen |0 (DE-588)4193754-5 |D s |
| 689 | 1 | 1 | |a Deep learning |0 (DE-588)1135597375 |D s |
| 689 | 1 | 2 | |a Neuronales Netz |0 (DE-588)4226127-2 |D s |
| 689 | 1 | 3 | |a Programmbibliothek |0 (DE-588)4121521-7 |D s |
| 689 | 1 | 4 | |a Python 3.0 |0 (DE-588)7624871-9 |D s |
| 689 | 1 | 5 | |a TensorFlow |0 (DE-588)1153577011 |D s |
| 689 | 1 | 6 | |a Keras |g Framework, Informatik |0 (DE-588)1160521077 |D s |
| 689 | 1 | |5 DE-604 | |
| 700 | 1 | |a Rother, Kristian |d 1977- |0 (DE-588)133397068 |4 trl | |
| 700 | 1 | |a Demmig, Thomas |0 (DE-588)128548568 |4 trl | |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, EPUB |z 978-3-96010-761-3 |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe, MOBI |z 978-3-96010-762-0 |
| 776 | 0 | 8 | |i Erscheint auch als |n Druck-Ausgabe |z 978-3-96009-212-4 |
| 912 | |a ZDB-219-ODS |a ZDB-30-PQE |a ebook | ||
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-034712309 | |
| 966 | e | |u https://ebookcentral.proquest.com/lib/th-brandenburg/detail.action?docID=7285794 |l DE-522 |p ZDB-30-PQE |q BFB_Kauf |x Aggregator |3 Volltext | |
| 966 | e | |u https://ebookcentral.proquest.com/lib/b-tu/detail.action?docID=7285794 |l DE-634 |p ZDB-30-PQE |q BTU_Kauf |x Aggregator |3 Volltext | |
| 966 | e | |u http://www.content-select.com/index.php?id=bib_view&ean=9783960107606 |l DE-863 |p ZDB-219-ODS |x Aggregator |3 Volltext | |
| 966 | e | |u http://www.content-select.com/index.php?id=bib_view&ean=9783960107606 |l DE-862 |p ZDB-219-ODS |x Aggregator |3 Volltext | |
Datensatz im Suchindex
| DE-BY-FWS_katkey | 1056198 |
|---|---|
| _version_ | 1809131037915086848 |
| adam_text | |
| adam_txt | |
| any_adam_object | |
| any_adam_object_boolean | |
| author | Géron, Aurélien |
| author2 | Rother, Kristian 1977- Demmig, Thomas |
| author2_role | trl trl |
| author2_variant | k r kr t d td |
| author_GND | (DE-588)1131560930 (DE-588)133397068 (DE-588)128548568 |
| author_facet | Géron, Aurélien Rother, Kristian 1977- Demmig, Thomas |
| author_role | aut |
| author_sort | Géron, Aurélien |
| author_variant | a g ag |
| building | Verbundindex |
| bvnumber | BV049384760 |
| classification_rvk | ST 300 ST 302 ST 250 ST 304 |
| classification_tum | DAT 368 DAT 316 DAT 708 |
| collection | ZDB-219-ODS ZDB-30-PQE ebook |
| contents | Lernen Sie die Grundlagen des Machine Learning anhand eines umfangreichen Beispielprojekts mit Scikit-Learn Erkunden Sie zahlreiche Modelle, einschließlich Support Vector Machines, Entscheidungsbäume, Random Forests und Ensemble-Methoden Nutzen Sie unüberwachtes Lernen wie Dimensionsreduktion, Clustering und Anomalieerkennung Erstellen Sie neuronale Netzarchitekturen wie Convolutional Neural Networks, Recurrent Neural Networks, Generative Adversarial Networks, Autoencoder, Diffusionsmodelle und Transformer Verwenden Sie TensorFlow und Keras zum Erstellen und Trainieren neuronaler Netze für Computer Vision, Natural Language Processing, Deep Reinforcement Learning und generative Modelle |
| ctrlnum | (ZDB-30-PQE)9783960107606 (OCoLC)1409119500 (DE-599)BVBBV049384760 |
| discipline | Informatik |
| discipline_str_mv | Informatik |
| edition | 3., aktualisierte und erweiterte Auflage |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nmm a22000008c 4500</leader><controlfield tag="001">BV049384760</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20240902</controlfield><controlfield tag="007">cr|uuu---uuuuu</controlfield><controlfield tag="008">231026s2023 gw |||| o||u| ||||||ger d</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783960107606</subfield><subfield code="c">Online, pdf</subfield><subfield code="9">978-3-96010-760-6</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ZDB-30-PQE)9783960107606</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1409119500</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV049384760</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-863</subfield><subfield code="a">DE-862</subfield><subfield code="a">DE-522</subfield><subfield code="a">DE-634</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 250</subfield><subfield code="0">(DE-625)143626:</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 368</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 316</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">DAT 708</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, Keras, and TensorFlow</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow</subfield><subfield code="b">Konzepte, Tools und Techniken für intelligente Systeme</subfield><subfield code="c">Aurélien Géron ; deutsche Übersetzung von Kristian Rother und Thomas Demmig</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">3., aktualisierte und erweiterte Auflage</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Heidelberg</subfield><subfield code="b">O'Reilly</subfield><subfield code="c">2023</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">© 2023</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 Online-Ressource (876 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">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="505" ind1="8" ind2=" "><subfield code="a">Lernen Sie die Grundlagen des Machine Learning anhand eines umfangreichen Beispielprojekts mit Scikit-Learn Erkunden Sie zahlreiche Modelle, einschließlich Support Vector Machines, Entscheidungsbäume, Random Forests und Ensemble-Methoden Nutzen Sie unüberwachtes Lernen wie Dimensionsreduktion, Clustering und Anomalieerkennung Erstellen Sie neuronale Netzarchitekturen wie Convolutional Neural Networks, Recurrent Neural Networks, Generative Adversarial Networks, Autoencoder, Diffusionsmodelle und Transformer Verwenden Sie TensorFlow und Keras zum Erstellen und Trainieren neuronaler Netze für Computer Vision, Natural Language Processing, Deep Reinforcement Learning und generative Modelle</subfield></datafield><datafield tag="520" ind1="3" ind2=" "><subfield code="a">Maschinelles Lernen und insbesondere Deep Learning haben in den letzten Jahren eindrucksvolle Durchbrüche erlebt. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses Standardwerk verwendet konkrete Beispiele, ein Minimum an Theorie und unmittelbar einsetzbare Python-Frameworks (Scikit-Learn, Keras und TensorFlow), um Ihnen ein intuitives Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme zu vermitteln. In dieser aktualisierten 3. Auflage behandelt Aurélien Géron eine große Bandbreite von Techniken: von der einfachen linearen Regression bis hin zu Deep Neural Networks. Zahlreiche Codebeispiele und Übungen helfen Ihnen, das Gelernte praktisch umzusetzen. Sie benötigen lediglich etwas Programmiererfahrung, um direkt zu starten.</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">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">TensorFlow</subfield><subfield code="0">(DE-588)1153577011</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="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">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Deep learning</subfield><subfield code="0">(DE-588)1135597375</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">TensorFlow</subfield><subfield code="0">(DE-588)1153577011</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="5"><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="689" ind1="1" ind2="0"><subfield code="a">Maschinelles Lernen</subfield><subfield code="0">(DE-588)4193754-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Deep learning</subfield><subfield code="0">(DE-588)1135597375</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="2"><subfield code="a">Neuronales Netz</subfield><subfield code="0">(DE-588)4226127-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="3"><subfield code="a">Programmbibliothek</subfield><subfield code="0">(DE-588)4121521-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="4"><subfield code="a">Python 3.0</subfield><subfield code="0">(DE-588)7624871-9</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="5"><subfield code="a">TensorFlow</subfield><subfield code="0">(DE-588)1153577011</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="6"><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="1" 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="700" ind1="1" ind2=" "><subfield code="a">Demmig, Thomas</subfield><subfield code="0">(DE-588)128548568</subfield><subfield code="4">trl</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">978-3-96010-761-3</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">978-3-96010-762-0</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Druck-Ausgabe</subfield><subfield code="z">978-3-96009-212-4</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-219-ODS</subfield><subfield code="a">ZDB-30-PQE</subfield><subfield code="a">ebook</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-034712309</subfield></datafield><datafield tag="966" ind1="e" ind2=" "><subfield code="u">https://ebookcentral.proquest.com/lib/th-brandenburg/detail.action?docID=7285794</subfield><subfield code="l">DE-522</subfield><subfield code="p">ZDB-30-PQE</subfield><subfield code="q">BFB_Kauf</subfield><subfield code="x">Aggregator</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="966" ind1="e" ind2=" "><subfield code="u">https://ebookcentral.proquest.com/lib/b-tu/detail.action?docID=7285794</subfield><subfield code="l">DE-634</subfield><subfield code="p">ZDB-30-PQE</subfield><subfield code="q">BTU_Kauf</subfield><subfield code="x">Aggregator</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="966" ind1="e" ind2=" "><subfield code="u">http://www.content-select.com/index.php?id=bib_view&ean=9783960107606</subfield><subfield code="l">DE-863</subfield><subfield code="p">ZDB-219-ODS</subfield><subfield code="x">Aggregator</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="966" ind1="e" ind2=" "><subfield code="u">http://www.content-select.com/index.php?id=bib_view&ean=9783960107606</subfield><subfield code="l">DE-862</subfield><subfield code="p">ZDB-219-ODS</subfield><subfield code="x">Aggregator</subfield><subfield code="3">Volltext</subfield></datafield></record></collection> |
| id | DE-604.BV049384760 |
| illustrated | Not Illustrated |
| index_date | 2024-07-03T22:59:52Z |
| indexdate | 2024-09-03T00:03:25Z |
| institution | BVB |
| isbn | 9783960107606 |
| language | German English |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-034712309 |
| oclc_num | 1409119500 |
| open_access_boolean | |
| owner | DE-863 DE-BY-FWS DE-862 DE-BY-FWS DE-522 DE-634 |
| owner_facet | DE-863 DE-BY-FWS DE-862 DE-BY-FWS DE-522 DE-634 |
| physical | 1 Online-Ressource (876 Seiten) Illustrationen, Diagramme |
| psigel | ZDB-219-ODS ZDB-30-PQE ebook ZDB-30-PQE BFB_Kauf ZDB-30-PQE BTU_Kauf |
| publishDate | 2023 |
| publishDateSearch | 2023 |
| publishDateSort | 2023 |
| publisher | O'Reilly |
| record_format | marc |
| spelling | Géron, Aurélien Verfasser (DE-588)1131560930 aut Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme Aurélien Géron ; deutsche Übersetzung von Kristian Rother und Thomas Demmig 3., aktualisierte und erweiterte Auflage Heidelberg O'Reilly 2023 © 2023 1 Online-Ressource (876 Seiten) Illustrationen, Diagramme txt rdacontent c rdamedia cr rdacarrier Lernen Sie die Grundlagen des Machine Learning anhand eines umfangreichen Beispielprojekts mit Scikit-Learn Erkunden Sie zahlreiche Modelle, einschließlich Support Vector Machines, Entscheidungsbäume, Random Forests und Ensemble-Methoden Nutzen Sie unüberwachtes Lernen wie Dimensionsreduktion, Clustering und Anomalieerkennung Erstellen Sie neuronale Netzarchitekturen wie Convolutional Neural Networks, Recurrent Neural Networks, Generative Adversarial Networks, Autoencoder, Diffusionsmodelle und Transformer Verwenden Sie TensorFlow und Keras zum Erstellen und Trainieren neuronaler Netze für Computer Vision, Natural Language Processing, Deep Reinforcement Learning und generative Modelle Maschinelles Lernen und insbesondere Deep Learning haben in den letzten Jahren eindrucksvolle Durchbrüche erlebt. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses Standardwerk verwendet konkrete Beispiele, ein Minimum an Theorie und unmittelbar einsetzbare Python-Frameworks (Scikit-Learn, Keras und TensorFlow), um Ihnen ein intuitives Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme zu vermitteln. In dieser aktualisierten 3. Auflage behandelt Aurélien Géron eine große Bandbreite von Techniken: von der einfachen linearen Regression bis hin zu Deep Neural Networks. Zahlreiche Codebeispiele und Übungen helfen Ihnen, das Gelernte praktisch umzusetzen. Sie benötigen lediglich etwas Programmiererfahrung, um direkt zu starten. Keras Framework, Informatik (DE-588)1160521077 gnd rswk-swf Programmbibliothek (DE-588)4121521-7 gnd rswk-swf Python 3.0 (DE-588)7624871-9 gnd rswk-swf TensorFlow (DE-588)1153577011 gnd rswk-swf Maschinelles Lernen (DE-588)4193754-5 gnd rswk-swf Künstliche Intelligenz (DE-588)4033447-8 gnd rswk-swf Python Programmiersprache (DE-588)4434275-5 gnd rswk-swf Neuronales Netz (DE-588)4226127-2 gnd rswk-swf Deep learning (DE-588)1135597375 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 TensorFlow (DE-588)1153577011 s Keras Framework, Informatik (DE-588)1160521077 s DE-604 Deep learning (DE-588)1135597375 s Neuronales Netz (DE-588)4226127-2 s Python 3.0 (DE-588)7624871-9 s Rother, Kristian 1977- (DE-588)133397068 trl Demmig, Thomas (DE-588)128548568 trl Erscheint auch als Online-Ausgabe, EPUB 978-3-96010-761-3 Erscheint auch als Online-Ausgabe, MOBI 978-3-96010-762-0 Erscheint auch als Druck-Ausgabe 978-3-96009-212-4 |
| spellingShingle | Géron, Aurélien Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme Lernen Sie die Grundlagen des Machine Learning anhand eines umfangreichen Beispielprojekts mit Scikit-Learn Erkunden Sie zahlreiche Modelle, einschließlich Support Vector Machines, Entscheidungsbäume, Random Forests und Ensemble-Methoden Nutzen Sie unüberwachtes Lernen wie Dimensionsreduktion, Clustering und Anomalieerkennung Erstellen Sie neuronale Netzarchitekturen wie Convolutional Neural Networks, Recurrent Neural Networks, Generative Adversarial Networks, Autoencoder, Diffusionsmodelle und Transformer Verwenden Sie TensorFlow und Keras zum Erstellen und Trainieren neuronaler Netze für Computer Vision, Natural Language Processing, Deep Reinforcement Learning und generative Modelle Keras Framework, Informatik (DE-588)1160521077 gnd Programmbibliothek (DE-588)4121521-7 gnd Python 3.0 (DE-588)7624871-9 gnd TensorFlow (DE-588)1153577011 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Künstliche Intelligenz (DE-588)4033447-8 gnd Python Programmiersprache (DE-588)4434275-5 gnd Neuronales Netz (DE-588)4226127-2 gnd Deep learning (DE-588)1135597375 gnd |
| subject_GND | (DE-588)1160521077 (DE-588)4121521-7 (DE-588)7624871-9 (DE-588)1153577011 (DE-588)4193754-5 (DE-588)4033447-8 (DE-588)4434275-5 (DE-588)4226127-2 (DE-588)1135597375 |
| title | Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme |
| title_alt | Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow |
| title_auth | Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme |
| title_exact_search | Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme |
| title_exact_search_txtP | Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme |
| title_full | Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme Aurélien Géron ; deutsche Übersetzung von Kristian Rother und Thomas Demmig |
| title_fullStr | Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme Aurélien Géron ; deutsche Übersetzung von Kristian Rother und Thomas Demmig |
| title_full_unstemmed | Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow Konzepte, Tools und Techniken für intelligente Systeme Aurélien Géron ; deutsche Übersetzung von Kristian Rother und Thomas Demmig |
| title_short | Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow |
| title_sort | praxiseinstieg machine learning mit scikit learn keras 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 Python 3.0 (DE-588)7624871-9 gnd TensorFlow (DE-588)1153577011 gnd Maschinelles Lernen (DE-588)4193754-5 gnd Künstliche Intelligenz (DE-588)4033447-8 gnd Python Programmiersprache (DE-588)4434275-5 gnd Neuronales Netz (DE-588)4226127-2 gnd Deep learning (DE-588)1135597375 gnd |
| topic_facet | Keras Framework, Informatik Programmbibliothek Python 3.0 TensorFlow Maschinelles Lernen Künstliche Intelligenz Python Programmiersprache Neuronales Netz Deep learning |
| work_keys_str_mv | AT geronaurelien handsonmachinelearningwithscikitlearnkerasandtensorflow AT rotherkristian handsonmachinelearningwithscikitlearnkerasandtensorflow AT demmigthomas handsonmachinelearningwithscikitlearnkerasandtensorflow AT geronaurelien praxiseinstiegmachinelearningmitscikitlearnkerasundtensorflowkonzeptetoolsundtechnikenfurintelligentesysteme AT rotherkristian praxiseinstiegmachinelearningmitscikitlearnkerasundtensorflowkonzeptetoolsundtechnikenfurintelligentesysteme AT demmigthomas praxiseinstiegmachinelearningmitscikitlearnkerasundtensorflowkonzeptetoolsundtechnikenfurintelligentesysteme |