Maschinelles Lernen mit Python Kochbuch, 2.

Vorwort

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Als die erste Ausgabe dieses Buches 2018 veröffentlicht wurde, füllte es eine wichtige Lücke in der wachsenden Fülle von Inhalten zum maschinellen Lernen (ML). Durch die Bereitstellung gut getesteter, praktischer Python-Rezepte konnten Praktiker/innen den Code kopieren und einfügen, bevor sie ihn an ihre Anwendungsfälle anpassten. Innerhalb von nur fünf Jahren hat sich die ML-Branche mit den Fortschritten im Deep Learning (DL) und den dazugehörigen DL-Python-Frameworks explosionsartig entwickelt.

Jetzt, im Jahr 2023, besteht ein Bedarf an der gleichen Art von praktischen Inhalten, die die Bedürfnisse von ML- und DL-Praktikern mit den neuesten Python-Bibliotheken erfüllen. Dieses Buch soll auf der bestehenden (und fantastischen) Arbeit des Autors der ersten Auflage aufbauen:

• Aktualisierung bestehender Beispiele, um die neuesten Python-Versionen und -Frameworks zu verwenden

• Moderne Praktiken bei Datenquellen, Datenanalyse, ML und DL einbeziehen

• Erweiterung des DL-Inhalts um Tensoren, neuronale Netze und DL für Text und Vision in PyTorch

• Wir gehen noch einen Schritt weiter, indem wir unsere Modelle in einer API bereitstellen

Wie die erste Ausgabe verfolgt auch dieses Buch einen aufgabenbasierten Ansatz für maschinelles Lernen. Es enthält über 200 in sich geschlossene Lösungen (kopieren, einfügen und ausführen) für die häufigsten Aufgaben, mit denen ein Datenwissenschaftler oder ein Ingenieur für maschinelles Lernen, der ein Modell erstellt, konfrontiert wird.

In diesem Buch verwendete Konventionen

In diesem Buch werden die folgenden typografischen Konventionen verwendet:

Kursiv

Weist auf neue Begriffe, URLs, E-Mail-Adressen, Dateinamen und Dateierweiterungen hin.

Constant width

Wird für Programmlistings sowie innerhalb von Absätzen verwendet, um auf Programmelemente wie Variablen- oder Funktionsnamen, Datenbanken, Datentypen, Umgebungsvariablen, Anweisungen und Schlüsselwörter hinzuweisen.

Constant width bold

Zeigt Befehle oder anderen Text an, der vom Benutzer wortwörtlich eingetippt werden sollte.

Constant width italic

Zeigt Text an, der durch vom Benutzer eingegebene Werte oder durch kontextabhängige Werte ersetzt werden soll.

Code-Beispiele verwenden

Dieses Buch wird von einem GitHub-Repository begleitet, das Anweisungen zum Ausführen eines Jupyter-Notizbuchs in einem Docker-Container mit allen in diesem Buch verwendeten Abhängigkeiten enthält. Indem du die Befehle aus diesem Buch in dem Notebook wiederholst, kannst du sicherstellen, dass die Beispiele in diesem Buch vollständig reproduzierbar sind.

Wenn du eine technische Frage oder ein Problem mit den Codebeispielen hast, schicke bitte eine E-Mail an [e-mail].

Dieses Buch soll dir helfen, deine Arbeit zu erledigen. Wenn in diesem Buch Beispielcode angeboten wird, darfst du ihn in deinen Programmen und deiner Dokumentation verwenden. Du musst uns nicht um Erlaubnis fragen, es sei denn, du reproduzierst einen großen Teil des Codes. Wenn du zum Beispiel ein Programm schreibst, das mehrere Teile des Codes aus diesem Buch verwendet, brauchst du keine Erlaubnis. Der Verkauf oder die Verbreitung von Beispielen aus O'Reilly-Büchern erfordert jedoch eine Genehmigung. Die Beantwortung einer Frage mit einem Zitat aus diesem Buch und einem Beispielcode erfordert keine Genehmigung. Wenn du einen großen Teil des Beispielcodes aus diesem Buch in die Dokumentation deines Produkts aufnimmst, ist eine Genehmigung erforderlich.

Wir freuen uns über eine Namensnennung, verlangen sie aber in der Regel nicht. Eine Quellenangabe umfasst normalerweise den Titel, den Autor, den Verlag und die ISBN. Ein Beispiel: "Machine Learning with Python Cookbook, 2. Aufl., von Kyle Gallatin und Chris Albon (O'Reilly). Copyright 2023 Kyle Gallatin, 978-1-098-13572-0."

Wenn du der Meinung bist, dass die Verwendung von Code-Beispielen nicht unter die Fair-Use-Regelung oder die oben genannte Erlaubnis fällt, kannst du uns gerne unter [e-mail] kontaktieren .

O'Reilly Online Learning

Hinweis

Seit mehr als 40 Jahren bietet O'Reilly Media Schulungen, Wissen und Einblicke in Technologie und Wirtschaft, um Unternehmen zum Erfolg zu verhelfen.

Unser einzigartiges Netzwerk von Experten und Innovatoren teilt sein Wissen und seine Erfahrung durch Bücher, Artikel und unsere Online-Lernplattform. Die Online-Lernplattform von O'Reilly bietet dir On-Demand-Zugang zu Live-Trainingskursen, ausführlichen Lernpfaden, interaktiven Programmierumgebungen und einer umfangreichen Text- und Videosammlung von O'Reilly und über 200 anderen Verlagen. Weitere Informationen erhältst du unter https://oreilly.com.

Wie du uns kontaktierst

Bitte richte Kommentare und Fragen zu diesem Buch an den Verlag:

• O'Reilly Media, Inc.
• 1005 Gravenstein Highway Nord
• Sebastopol, CA 95472
• 800-889-8969 (in den Vereinigten Staaten oder Kanada)
• 707-829-7019 (international oder lokal)
• 707-829-0104 (Fax)
• [e-mail]
• https://www.oreilly.com/about/contact.html

Wir haben eine Webseite für dieses Buch, auf der wir Errata, Beispiele und zusätzliche Informationen auflisten. Du kannst diese Seite unter https://oreil.ly/ml_python_2e aufrufen .

Neuigkeiten und Informationen über unsere Bücher und Kurse findest du unter https://oreilly.com.

Finde uns auf LinkedIn: https://linkedin.com/company/oreilly-media

Folge uns auf Twitter: https://twitter.com/oreillymedia

Schau uns auf YouTube: https://youtube.com/oreillymedia

Danksagungen

Die zweite Auflage dieses Buches ist nur möglich, weil der ursprüngliche Autor, Chris Albon, in der ersten Auflage einen fantastischen Inhalt, eine fantastische Struktur und eine fantastische Qualität geschaffen hat. Als Erstautor der zweiten Auflage kann ich gar nicht genug betonen, wie sehr mir das meine Arbeit erleichtert hat.

Natürlich entwickelt sich auch der Bereich des maschinellen Lernens schnell weiter, und die Aktualisierungen in dieser zweiten Ausgabe hätten ohne das aufmerksame Feedback meiner Kollegen nicht geschrieben werden können. Ich möchte vor allem meinen Etsy-Kollegen Andrea Heyman, Maria Gomez, Alek Maelstrum und Brian Schmidt dafür danken, dass sie auf die Bitten um Beiträge zu verschiedenen Kapiteln eingegangen sind und sich widerwillig zu plötzlichen Brainstorming-Sitzungen überreden ließen, in denen die neuen Inhalte dieser Ausgabe entstanden sind. Ich möchte auch den technischen Gutachtern - Jigyasa Grover, Matteus Tanha und Ganesh Harke - sowie den O'Reilly-Redakteuren danken: Jeff Bleiel, Nicole Butterfield und Clare Laylock. Die Zahl der Menschen, die mir und diesem Buch (auf die eine oder andere Weise) geholfen haben, dorthin zu gelangen, wo es jetzt steht, ist enorm. Ich möchte mich bei allen bedanken, die auf die eine oder andere Weise Teil meiner ML-Reise waren und dazu beigetragen haben, dieses Buch zu dem zu machen, was es ist. Ich liebe euch alle.