O'Reilly Media Hands-On Machine Learning With Scikit-Learn, Keras, And TensorFlow, Concepts, Tools, And Techn...

Name: O'Reilly Media Hands-On Machine Learning With Scikit-Learn, Keras, And TensorFlow, Concepts, Tools, And Techn...
Brand: O'Reilly Media

O'Reilly Media Hands-On Machine Learning With Scikit-Learn, Keras, And TensorFlow, Concepts, Tools, And Techn... thumbnail

-60%

Preisalarm

★ 4.9

36,49 €

Historisch niedriger Preis!

Bester Preis bei medimops.de

-60%

Preisalarm

★ 4.9

36,49 €

Bester Preis bei medimops.de

Preisalarm

★ 4.9

36,49 €

Bester Preis bei medimops.de

Preisdetails

Der niedrigste Preis für ein neues O'Reilly Media Hands-On Machine Learning With Scikit-Learn, Keras, And TensorFlow, Concepts, Tools, And Techn... beträgt 36,49 €. Dies ist derzeit das günstigste Angebot aus 4 Shops.

Das günstigste Gebraucht O'Reilly Media Hands-On Machine Learning With Scikit-Learn, Keras, And TensorFlow, Concepts, Tools, And Techn... ist ab 46,01 € bei 4 Shops erhältlich.

Produktinformationen

"Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" von Aurélien Géron ist ein praxisorientiertes Buch, das sich an Leser richtet, die in die Welt des maschinellen Lernens eintauchen möchten. Das Buch bietet eine umfassende Einführung in die Konzepte und Techniken des maschinellen Lernens und kombiniert theoretische Grundlagen mit praktischen Anwendungen. Der Autor beginnt mit einer Erklärung der grundlegenden Prinzipien des maschinellen Lernens und führt den Leser schrittweise zu fortgeschritteneren Themen wie tiefem Lernen. Dabei werden populäre Python-Bibliotheken wie Scikit-Learn für traditionelle Machine-Learning-Modelle sowie Keras und TensorFlow für Deep-Learning-Anwendungen verwendet. Das Buch umfasst zahlreiche Beispiele und praktische Übungen, die es dem Leser ermöglichen, eigenständig intelligente Systeme zu entwickeln. Es deckt Themen wie Datenvorverarbeitung, Modelltraining, Hyperparameter-Tuning und Evaluierung ab. Zudem behandelt es aktuelle Entwicklungen im Bereich neuronaler Netze, einschließlich Convolutional Neural Networks (CNNs) und Recurrent Neural Networks (RNNs). Insgesamt ist das Buch eine wertvolle Ressource für Entwickler und Datenwissenschaftler, die ihre Fähigkeiten im Bereich maschinelles Lernen erweitern möchten.