Read more
Machine Learning ist zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden, von der medizinischen Diagnostik bis hin zur Suche nach Freunden in sozialen Netzwerken. Um Machine- Learning-Anwendungen zu entwickeln, braucht es keine großen Expertenteams: Wenn Sie Python-Grundkenntnisse mitbringen, zeigt Ihnen dieses Praxisbuch, wie Sie Ihre eigenen Machine-Learning-Lösungen erstellen.Mit Python und der scikit-learn-Bibliothek erarbeiten Sie sich alle Schritte, die für eine erfolgreiche Machine-Learning- Anwendung notwendig sind. Die Autoren Andreas Müller und Sarah Guido konzentrieren sich bei der Verwendung von Machine-Learning-Algorithmen auf die praktischen Aspekte statt auf die Mathematik dahinter. Wenn Sie zusätzlich mit den Bibliotheken NumPy und matplotlib vertraut sind, hilft Ihnen dies, noch mehr aus diesem Tutorial herauszuholen.Das Buch zeigt Ihnen:- grundlegende Konzepte und Anwendungen von Machine Learning- Vor- und Nachteile weit verbreiteter maschineller Lernalgorithmen- wie sich die von Machine Learning verarbeiteten Daten repräsentieren lassen und auf welche Aspekte der Daten Sie sich konzentrieren sollten- fortgeschrittene Methoden zur Auswertung von Modellen und zum Optimieren von Parametern- das Konzept von Pipelines, mit denen Modelle verkettet und Arbeitsabläufe gekapselt werden- Arbeitsmethoden für Textdaten, insbesondere textspezifische Verarbeitungstechniken- Möglichkeiten zur Verbesserung Ihrer Fähigkeitenin den Bereichen Machine Learning und Data Science
About the author
Andreas C. Müller hat an der Universität Bonn in Machine Learning promoviert. Bei Amazon hat er an Anwendungen für rechnergestütztes Sehen gearbeitet, heute ist er am Center for Data Science an der New York University tätig. Er ist Core Contributor an der Entwicklung und Wartung von scikit-learn beteiligt.
Sarah Guido ist als Data Scientist tätig und hat viel für Start-ups gearbeitet, zuletzt als Lead Data Scientist bei Bitly. Sie ist eine erfahrene Konferenzrednerin und hat einen Master-Abschluss im Fach Information an der University of Michigan erworben.
Summary
Machine Learning ist zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden, von der medizinischen Diagnostik bis hin zur Suche nach Freunden in sozialen Netzwerken. Um Machine- Learning-Anwendungen zu entwickeln, braucht es keine großen Expertenteams: Wenn Sie Python-Grundkenntnisse mitbringen, zeigt Ihnen dieses Praxisbuch, wie Sie Ihre eigenen Machine-Learning-Lösungen erstellen.
Mit Python und der scikit-learn-Bibliothek erarbeiten Sie sich alle Schritte, die für eine erfolgreiche Machine-Learning- Anwendung notwendig sind. Die Autoren Andreas Müller und Sarah Guido konzentrieren sich bei der Verwendung von Machine-Learning-Algorithmen auf die praktischen Aspekte statt auf die Mathematik dahinter. Wenn Sie zusätzlich mit den Bibliotheken NumPy und matplotlib vertraut sind, hilft Ihnen dies, noch mehr aus diesem Tutorial herauszuholen.
Das Buch zeigt Ihnen:
- grundlegende Konzepte und Anwendungen von Machine Learning
- Vor- und Nachteile weit verbreiteter maschineller Lernalgorithmen
- wie sich die von Machine Learning verarbeiteten Daten repräsentieren lassen und auf welche Aspekte der Daten Sie sich konzentrieren sollten
- fortgeschrittene Methoden zur Auswertung von Modellen und zum Optimieren von Parametern
- das Konzept von Pipelines, mit denen Modelle verkettet und Arbeitsabläufe gekapselt werden
- Arbeitsmethoden für Textdaten, insbesondere textspezifische Verarbeitungstechniken
- Möglichkeiten zur Verbesserung Ihrer Fähigkeitenin den Bereichen Machine Learning und Data Science
