Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow. Konzepte, Tools und Techniken für intelligente Systeme
2e édition

Durchbrüche beim Deep Learning haben das maschinelle Lernen in den letzten Jahren eindrucksvoll vorangebracht. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologiewissen, miteinfachèn, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses praxisorientierte Buch, jetzt aktualisiert und deutlich erweitert, zeigt Ihnen wie. Mit konkreten Beispielen, einem Minimum an Theorie und unmittelbar anwendbaren Python-Frameworks verhilft Ihnen Aurélien Géron zu einem intuitiven Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme.
Sie benötigen lediglich etwas Programmiererfahrung, um direktzu starten. Dergesamte Code ist auf GitHubverfügbar, erwurdeauf TensorFlow 2 und die neueste Version von Scikit-Leam aktualisiert.

Lernen Sie die Grundlagen des Machine Learning anhand eines Beispielprojekts mit Scikit-Learn und pandas. Erstellen und trainieren Sie neuronale Netzwerkarchitekturen für Klassifizierung und Regression mit TensorFlow 2. Entdecken Sie die Objekterkennung, semantische Segmentierung, Attention-Mechanismen, Sprachmodelle, GANs und mehr. Erkunden Sie Keras, die offizielle High-Level-API für TensorFlow 2.
Wandeln Sie Ihre Modelle in Produkte um mit den TensorFlow-APIs Data und Distribution Strategies sowie mit TF Transform und TF Serving. Deployen Sie Ihre Anwendungen auf die Google Cloud Al Platform oder auf mobile Geräte. Nutzen Sie Unsupervised Learning für Dimensionsreduktion. Clustering und Anomalieerkennung. Trainieren Sie Agenten mit Reinforcement Learning und nutzen Sie dazu die TF-Agents-Bibliothek.