Maschinelles Lernen mit Python Kochbuch, 2.

Dieses praktische Handbuch enthält mehr als 200 in sich geschlossene Rezepte, die dir helfen, die Herausforderungen des maschinellen Lernens zu lösen, denen du bei deiner Arbeit begegnen kannst. Wenn du dich mit Python und seinen Bibliotheken wie pandas und scikit-learn auskennst, wirst du in der Lage sein, spezifische Probleme zu lösen, vom Laden von Daten über das Training von Modellen bis hin zur Nutzung neuronaler Netze.

Jedes Rezept in dieser aktualisierten Ausgabe enthält Code, den du kopieren, einfügen und mit einem Spielzeugdatensatz ausführen kannst, um sicherzustellen, dass er funktioniert. Danach kannst du die Rezepte an deinen Anwendungsfall oder deine Anwendung anpassen. Die Rezepte enthalten eine Diskussion, die die Lösung erklärt und einen sinnvollen Kontext liefert.

Du lernst nicht nur Theorie und Konzepte, sondern auch das Handwerkszeug, das du brauchst, um funktionierende Anwendungen für maschinelles Lernen zu erstellen. Hier findest du Rezepte für:

• Vektoren, Matrizen und Arrays
• Arbeiten mit Daten aus CSV, JSON, SQL, Datenbanken, Cloud-Speichern und anderen Quellen
• Umgang mit numerischen und kategorischen Daten, Text, Bildern, Datum und Uhrzeit
• Dimensionalitätsreduktion durch Merkmalsextraktion oder Merkmalsauswahl
• Modellbewertung und -auswahl
• Lineare und logische Regression, Bäume und Wälder und K-Nächste Nachbarn
• Unterstützende Vektormaschinen (SVM), naive Bayes, Clustering und baumbasierte Modelle
• Speichern, Laden und Bereitstellen von trainierten Modellen aus verschiedenen Frameworks