Fr. 78.00

PROGRAMMIERUNG FÜR MASCHINELLES LERNEN MIT PANDAS UND JUPYTER-LAB - Anfängerlevel

German · Paperback / Softback

Shipping usually within 2 to 3 weeks (title will be printed to order)

Description

Read more

Dieses Buch richtet sich an diejenigen, die in die Welt des maschinellen Lernens einsteigen wollen, also an Anfänger. Zunächst wird die Datenmanipulation mit Hilfe von Dataframes in der Programmiersprache Python, eingebettet in das Jupyter-Lab-Framework und Pandas, behandelt. Die Daten werden dann aus csv-Dateien extrahiert und in Datenrahmen verwaltet. Indizierung, Auswahl und Zuweisung, Indizierung in Pandas, Tag-basierte Auswahl, bedingte Auswahl, Datenzuweisung, Zusammenfassungsfunktionen, Maps und Gruppierung und Sortierung. Schließlich werden wir mit der Programmierung grundlegender überwachter Lernmodelle fortfahren, wie z. B. der linearen Regression mit einer einzelnen Variable, der linearen Regression mit mehreren Variablen, dem Speichern und Laden des Trainingsmodells, der Datenverwaltung mit Dummy-Variablen und der Trennung von Trainings- und Testdatensätzen.

About the author










Jorge Gómez Gómez, Systems Engineer, received a Master's degree in Telematics Engineering at the University of Cauca Colombia in 2010, PhD in Information Technology and Communications at the University of Granada Spain in 2018, Full-time professor of the Systems Engineering program - University of Cordoba, Member IEEE Branch.

Product details

Authors Jorge Gómez, Velssy Hernández
Publisher Verlag Unser Wissen
 
Languages German
Product format Paperback / Softback
Released 31.01.2023
 
EAN 9786205657225
ISBN 9786205657225
No. of pages 84
Subject Natural sciences, medicine, IT, technology > Technology > Miscellaneous

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.