Machine Learning - Die Referenz
29,90 €*
Lieferzeit Sofort lieferbar
Machine Learning - Die Referenz, O'Reilly
Mit strukturierten Daten in Python arbeiten
Von Matt Harrison, im heise Shop in digitaler Fassung erhältlich
Mit strukturierten Daten in Python arbeiten
Von Matt Harrison, im heise Shop in digitaler Fassung erhältlich
Artikel-Beschreibung
Das praktische Nachschlagewerk zum Machine Learning mit strukturierten DatenKonzentriert sich auf Themen, die für den praktizierenden Machine-Learning-Anwender interessant sind
Enthält eine große Anzahl wertvoller Codebeispiele für strukturierte Daten, die in der Praxis konkret weiterhelfen/ul>
Zeigt, wie verschiedene Bibliotheken zur Lösung praktischer Fragestellungen eingesetzt werden
Diese praktische Referenz ist eine Sammlung von Methoden, Ressourcen und Codebeispielen zur Lösung gängiger Machine-Learning-Probleme mit strukturierten Daten. Der Autor Matt Harrison hat einen wertvollen Leitfaden zusammengestellt, den Sie als zusätzliche Unterstützung während eines Machine-Learning-Kurses nutzen können oder als Nachschlagewerk, wenn Sie Ihr nächstes ML-Projekt mit Python starten.
Das Buch ist ideal für Data Scientists, Softwareentwickler und Datenanalysten, die Machine Learning praktisch anwenden. Es bietet einen Überblick über den kompletten Machine-Learning-Prozess und führt Sie durch die Klassifizierung strukturierter Daten. Sie lernen dann unter anderem Methoden zur Modellauswahl, zur Regression, zur Reduzierung der Dimensionalität und zum Clustering kennen. Die Codebeispiele sind so kompakt angelegt, dass Sie sie für Ihre eigenen Projekte verwenden und auch gut anpassen können.
Matt Harrison leitet MetaSnake, ein Trainings- und Beratungsunternehmen für Python und Data Science. Er setzt Python seit 2000 in einer Vielzahl von Bereichen ein: Data Science, BI, Speicherung, Testing und Automatisierung, Open-Source-Stack-Management und Finanzen.
Artikel-Details
Anbieter:
O'Reilly
Autor:
Matt Harrison
Artikelnummer:
9783960104100
Veröffentlicht:
28.10.2020
Seitenanzahl:
246
Anmelden