{"product_id":"9781617297717","title":"Maschinelles Lernen mit Tensorflow, zweite Ausgabe","description":"\u003cb\u003eAktualisiert mit neuem Code, neuen Projekten und neuen Kapiteln bietet \u003ci\u003e„Machine Learning mit TensorFlow, zweite Ausgabe“\u003c\/i\u003e den Lesern eine solide Grundlage in Konzepten des maschinellen Lernens und der TensorFlow-Bibliothek.\u003c\/b\u003e\u003cp\u003e\u003c\/p\u003e \u003cb\u003eZusammenfassung\u003c\/b\u003e \u003cbr\u003eAktualisiert mit neuem Code, neuen Projekten und neuen Kapiteln, vermittelt \u003ci\u003e„Machine Learning with TensorFlow, Second Edition“\u003c\/i\u003e den Lesern eine solide Grundlage in den Konzepten des maschinellen Lernens und der TensorFlow-Bibliothek. Geschrieben von Chris Mattmann, stellvertretender CTO und leitender Datenwissenschaftler des NASA JPL, werden alle Beispiele von herunterladbaren Jupyter Notebooks begleitet, damit Sie praxisnah TensorFlow mit Python codieren können. Neue und überarbeitete Inhalte erweitern die Abdeckung der wichtigsten Algorithmen des maschinellen Lernens und der Fortschritte bei neuronalen Netzwerken wie VGG-Face-Gesichtserkennungsklassifizierern und Deep-Speech-Klassifizierern.\u003cp\u003e\u003c\/p\u003e Beim Kauf des gedruckten Buches ist ein kostenloses E-Book in den Formaten PDF, Kindle und ePub von Manning Publications enthalten.\u003cp\u003e\u003c\/p\u003e \u003cb\u003eÜber die Technologie\u003c\/b\u003e \u003cbr\u003eOptimieren Sie Ihre Datenanalyse mit maschinellem Lernen! ML-Algorithmen verbessern sich automatisch bei der Datenverarbeitung, sodass die Ergebnisse mit der Zeit besser werden. Sie müssen kein Mathematiker sein, um ML zu verwenden: Tools wie die TensorFlow-Bibliothek von Google helfen bei komplexen Berechnungen, sodass Sie sich auf die benötigten Antworten konzentrieren können.\u003cp\u003e\u003c\/p\u003e \u003cb\u003eÜber das Buch\u003c\/b\u003e\u003cbr\u003e \u003ci\u003eMachine Learning mit TensorFlow, zweite Ausgabe\u003c\/i\u003e ist ein vollständig überarbeiteter Leitfaden zum Erstellen von Machine-Learning-Modellen mit Python und TensorFlow. Sie wenden grundlegende ML-Konzepte auf reale Herausforderungen an, wie etwa Stimmungsanalyse, Textklassifizierung und Bilderkennung. Praktische Beispiele veranschaulichen neuronale Netzwerktechniken für Deep Speech Processing, Gesichtserkennung und Auto-Encoding mit CIFAR-10.\u003cp\u003e\u003c\/p\u003e \u003cb\u003eWas ist da drin\u003c\/b\u003e\u003cp\u003e\u003c\/p\u003e Maschinelles Lernen mit TensorFlow\u003cbr\u003e Auswahl der besten ML-Ansätze\u003cbr\u003e Visualisierung von Algorithmen mit TensorBoard\u003cbr\u003e Ergebnisse mit Mitarbeitern teilen\u003cbr\u003e Ausführen von Modellen in Docker\u003cp\u003e\u003c\/p\u003e \u003cb\u003eÜber den Leser\u003c\/b\u003e \u003cbr\u003eErfordert fortgeschrittene Python-Kenntnisse und Kenntnisse allgemeiner algebraischer Konzepte wie Vektoren und Matrizen. Beispiele verwenden den superstabilen 1.15.x-Zweig von TensorFlow und TensorFlow 2.x.\u003cp\u003e\u003c\/p\u003e \u003cb\u003eÜber den Autor\u003c\/b\u003e\u003cbr\u003e \u003cb\u003eChris Mattmann\u003c\/b\u003e ist Abteilungsleiter der Abteilung für künstliche Intelligenz, Analytik und Innovation am Jet Propulsion Lab der NASA. Die erste Ausgabe dieses Buches wurde von \u003cb\u003eNishant Shukla\u003c\/b\u003e zusammen mit \u003cb\u003eKenneth Fricklas\u003c\/b\u003e geschrieben.\u003cp\u003e\u003c\/p\u003e Inhaltsverzeichnis\u003cp\u003e\u003c\/p\u003e TEIL 1 – IHR MACHINE-LEARNING-RIG\u003cp\u003e\u003c\/p\u003e 1 Eine Odyssee des maschinellen Lernens\u003cp\u003e\u003c\/p\u003e 2 TensorFlow-Grundlagen\u003cp\u003e\u003c\/p\u003e TEIL 2 - KERN-LERNALGORITHMEN\u003cp\u003e\u003c\/p\u003e 3 Lineare Regression und darüber hinaus\u003cp\u003e\u003c\/p\u003e 4 Verwenden der Regression zur Vorhersage des Callcenter-Volumens\u003cp\u003e\u003c\/p\u003e 5 Eine sanfte Einführung in die Klassifizierung\u003cp\u003e\u003c\/p\u003e 6 Stimmungsklassifizierung: Großer Datensatz mit Filmkritiken\u003cp\u003e\u003c\/p\u003e 7 Automatisches Clustering von Daten\u003cp\u003e\u003c\/p\u003e 8 Ableiten der Benutzeraktivität aus den Daten des Android-Beschleunigungsmessers\u003cp\u003e\u003c\/p\u003e 9 Hidden-Markov-Modelle\u003cp\u003e\u003c\/p\u003e 10 Wortart-Markierung und Wortsinn-Disambiguierung\u003cp\u003e\u003c\/p\u003e TEIL 3 - DAS NEURONALE NETZPARADIGMA\u003cp\u003e\u003c\/p\u003e 11 Ein Blick in Autoencoder\u003cp\u003e \u003c\/p\u003e12 Anwendung von Autoencodern: Der CIFAR-10-Bilddatensatz\u003cp\u003e\u003c\/p\u003e 13 Bestärkendes Lernen\u003cp\u003e\u003c\/p\u003e 14 Faltungsneuronale Netze\u003cp\u003e\u003c\/p\u003e 15 Aufbau eines realen CNN: VGG-Face und VGG-Face Lite\u003cp\u003e\u003c\/p\u003e 16 Rekurrierende neuronale Netze\u003cp\u003e\u003c\/p\u003e 17 LSTMs und automatische Spracherkennung\u003cp\u003e\u003c\/p\u003e 18 Sequenz-zu-Sequenz-Modelle für Chatbots\u003cp\u003e\u003c\/p\u003e 19 Versorgungslandschaft","brand":"Manning","offers":[{"title":"Default Title","offer_id":42973610672383,"sku":"9781617297717","price":49.99,"currency_code":"USD","in_stock":false}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0452\/0886\/2873\/files\/Jacket_8895baaa-d70b-424f-a010-e79704f6a93c.jpg?v=1771352088","url":"https:\/\/massivebookshop.com\/de\/products\/9781617297717","provider":"MASSIVE BOOKSHOP","version":"1.0","type":"link"}