Produkt zum Begriff Machine Learning:
-
Managing Machine Learning Projects
The go-to guide in machine learning projects from design to production. No ML skills required! In Managing Machine Learning Projects, you will learn essential machine learning project management techniques, including: Understanding an ML project's requirements Setting up the infrastructure for the project and resourcing a team Working with clients and other stakeholders Dealing with data resources and bringing them into the project for use Handling the lifecycle of models in the project Managing the application of ML algorithms Evaluating the performance of algorithms and models Making decisions about which models to adopt for delivery Taking models through development and testing Integrating models with production systems to create effective applications Steps and behaviours for managing the ethical implications of ML technology About the technology Companies of all shapes, sizes, and industries are investing in machine learning (ML). Unfortunately, around 85% of all ML projects fail. Managing machine learning projects requires adopting a different approach than you would take with standard software projects. You need to account for large and diverse data resources, evaluate and track multiple separate models, and handle the unforeseeable risk of poor performance. Never fear this book lays out the unique practices you will need to ensure your projects succeed!
Preis: 56.7 € | Versand*: 0 € -
Predictive Analytics: Data Mining, Machine Learning and Data Science for Practitioners
Use Predictive Analytics to Uncover Hidden Patterns and Correlations and Improve Decision-MakingUsing predictive analytics techniques, decision-makers can uncover hidden patterns and correlations in their data and leverage these insights to improve many key business decisions. In this thoroughly updated guide, Dr. Dursun Delen illuminates state-of-the-art best practices for predictive analytics for both business professionals and students. Delen's holistic approach covers key data mining processes and methods, relevant data management techniques, tools and metrics, advanced text and web mining, big data integration, and much more. Balancing theory and practice, Delen presents intuitive conceptual illustrations, realistic example problems, and real-world case studiesincluding lessons from failed projects. It's all designed to help you gain a practical understanding you can apply for profit.* Leverage knowledge extracted via data mining to make smarter decisions* Use standardized processes and workflows to make more trustworthy predictions* Predict discrete outcomes (via classification), numeric values (via regression), and changes over time (via time-series forecasting)* Understand predictive algorithms drawn from traditional statistics and advanced machine learning* Discover cutting-edge techniques, and explore advanced applications ranging from sentiment analysis to fraud detection
Preis: 37.44 € | Versand*: 0 € -
Machine Learning in Production: Developing and Optimizing Data Science Workflows and Applications
Foundational Hands-On Skills for Succeeding with Real Data Science Projects This pragmatic book introduces both machine learning and data science, bridging gaps between data scientist and engineer, and helping you bring these techniques into production. It helps ensure that your efforts actually solve your problem, and offers unique coverage of real-world optimization in production settings. –From the Foreword by Paul Dix, series editor Machine Learning in Production is a crash course in data science and machine learning for people who need to solve real-world problems in production environments. Written for technically competent “accidental data scientists” with more curiosity and ambition than formal training, this complete and rigorous introduction stresses practice, not theory. Building on agile principles, Andrew and Adam Kelleher show how to quickly deliver significant value in production, resisting overhyped tools and unnecessary complexity. Drawing on their extensive experience, they help you ask useful questions and then execute production projects from start to finish. The authors show just how much information you can glean with straightforward queries, aggregations, and visualizations, and they teach indispensable error analysis methods to avoid costly mistakes. They turn to workhorse machine learning techniques such as linear regression, classification, clustering, and Bayesian inference, helping you choose the right algorithm for each production problem. Their concluding section on hardware, infrastructure, and distributed systems offers unique and invaluable guidance on optimization in production environments. Andrew and Adam always focus on what matters in production: solving the problems that offer the highest return on investment, using the simplest, lowest-risk approaches that work. Leverage agile principles to maximize development efficiency in production projectsLearn from practical Python code examples and visualizations that bring essential algorithmic concepts to lifeStart with simple heuristics and improve them as your data pipeline maturesAvoid bad conclusions by implementing foundational error analysis techniquesCommunicate your results with basic data visualization techniquesMaster basic machine learning techniques, starting with linear regression and random forestsPerform classification and clustering on both vector and graph dataLearn the basics of graphical models and Bayesian inferenceUnderstand correlation and causation in machine learning modelsExplore overfitting, model capacity, and other advanced machine learning techniquesMake informed architectural decisions about storage, data transfer, computation, and communication Register your book for convenient access to downloads, updates, and/or corrections as they become available. See inside book for details.
Preis: 35.3 € | Versand*: 0 € -
Raschka, Sebastian: Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn
Machine Learning mit Python und Keras, TensorFlow 2 und Scikit-learn , Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, Keras, TensorFlow 2, Pandas und Matplotlib Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen Mit diesem Buch erhalten Sie eine umfassende Einführung in die Grundlagen und den effektiven Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür setzen Sie ein breites Spektrum leistungsfähiger Python-Bibliotheken ein, insbesondere Keras, TensorFlow 2 und Scikit-learn. Auch die für die praktische Anwendung unverzichtbaren mathematischen Konzepte werden verständlich und anhand zahlreicher Diagramme anschaulich erläutert. Die dritte Auflage dieses Buchs wurde für TensorFlow 2 komplett aktualisiert und berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dazu zählen insbesondere die neuen Features der Keras-API, das Synthetisieren neuer Daten mit Generative Adversarial Networks (GANs) sowie die Entscheidungsfindung per Reinforcement Learning. Ein sicherer Umgang mit Python wird vorausgesetzt. Aus dem Inhalt: Trainieren von Lernalgorithmen und Implementierung in Python Gängige Klassifikationsalgorithmen wie Support Vector Machines (SVM), Entscheidungsbäume und Random Forest Natural Language Processing zur Klassifizierung von Filmbewertungen Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten Deep-Learning-Verfahren für die Bilderkennung Datenkomprimierung durch Dimensionsreduktion Training Neuronaler Netze und GANs mit TensorFlow 2 Kombination verschiedener Modelle für das Ensemble Learning Einbettung von Machine-Learning-Modellen in Webanwendungen Stimmungsanalyse in Social Networks Modellierung sequenzieller Daten durch rekurrente Neuronale Netze Reinforcement Learning und Implementierung von Q-Learning-Algorithmen , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 49.99 € | Versand*: 0 €
-
Was ist Python Machine Learning?
Python Machine Learning bezieht sich auf die Verwendung von Python-Programmierung, um maschinelles Lernen zu implementieren. Dabei werden Algorithmen und Modelle erstellt, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen zu treffen. Python bietet eine Vielzahl von Bibliotheken wie Scikit-learn, TensorFlow und Keras, die das Entwickeln von Machine-Learning-Anwendungen erleichtern. Mit Python Machine Learning können komplexe Probleme gelöst und Muster in großen Datenmengen entdeckt werden.
-
Ist Machine Learning bereits künstliche Intelligenz?
Machine Learning ist ein Teilgebiet der künstlichen Intelligenz. Es befasst sich mit der Entwicklung von Algorithmen und Modellen, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen zu treffen. Künstliche Intelligenz umfasst jedoch auch andere Bereiche wie Expertensysteme, natürliche Sprachverarbeitung und Robotik.
-
Hat Machine Learning wirklich etwas mit künstlicher Intelligenz zu tun?
Ja, Machine Learning ist ein Teilgebiet der künstlichen Intelligenz. Es befasst sich mit der Entwicklung von Algorithmen und Modellen, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen oder Entscheidungen zu treffen. Machine Learning ist eine Methode, um künstliche Intelligenz zu erreichen, indem Computer in der Lage sind, Aufgaben zu erlernen und auszuführen, für die normalerweise menschliche Intelligenz erforderlich ist.
-
Wie beeinflusst Machine Learning die Automobilindustrie, die Gesundheitsbranche und den Finanzsektor?
Machine Learning hat in der Automobilindustrie zu Fortschritten bei der Entwicklung autonomer Fahrzeuge geführt, die die Sicherheit und Effizienz des Straßenverkehrs verbessern sollen. In der Gesundheitsbranche wird Machine Learning eingesetzt, um Krankheiten frühzeitig zu erkennen, personalisierte Behandlungspläne zu erstellen und medizinische Bildgebung zu verbessern. Im Finanzsektor wird Machine Learning für die Betrugsprävention, die Risikobewertung und die automatisierte Handelsausführung eingesetzt, um die Effizienz und Genauigkeit von Finanzdienstleistungen zu steigern.
Ähnliche Suchbegriffe für Machine Learning:
-
Human Learning
Ormrod’s engaging, conversational writing style introduces readers to all of the essential learning theories and their real-world classroom implications The market-leading education textbook on learning theories, Human Learning, looks at a broad range of theoretical perspectives, including behaviorist, social cognitive, cognitive, constructivist, cognitive-developmental, sociocultural, and contextual. Each chapter is filled with concrete examples of how these theories apply to learning, instruction, and assessment as well as specific ways readers can apply the theories in their own classrooms. The straightforward, conversational writing style readily engages readers and helps them truly understand the concepts, principles, and theories related to human learning and cognition. The new 8th Edition includes expanded discussions of several contemporary perspectives and a variety of new topics that have emerged in recent research (e.g., motivated reasoning, desirable difficulties). Some discussions of psychological perspectives on learning that have primarily historical value have been either condensed or altogether removed to make room for recent advances in theory and research.
Preis: 90.94 € | Versand*: 0 € -
Learning Blender
Master the Newest Blender Techniques for Creating Amazing 3D Characters: From Design and Modeling to Video CompositingNow fully updated for Blender 2.83 LTS (Long-Term Support) and beyond, Learning Blender, Third Edition, walks you through every step of creating an outstanding 3D animated character with Blender, and then compositing it in a real video using a professional workflow. This edition covers the extensive interface changes of the software, as well as many improvements and some almost fully rewritten chapters to showcase more modern workflows.Still the only Blender tutorial to take you from preproduction to final result, this guide is perfect for both novices and those moving from other software to Blender (open source and free software). Author Oliver Villar provides full-color, hands-on chapters that cover every aspect of character creation: design, modeling, unwrapping, texturing, shading, rigging, animation, and rendering. He also walks you through integrating your animated character into a real-world video, using professional camera tracking, lighting, and compositing techniques.The rich companion website (blendtuts.com/learning-blender-files) will help you quickly master even the most complex techniques with bonus contents like video tutorials. By the time you're done, you'll be ready to create outstanding characters for all media -- and you'll have up-to-date skills for any 3D project, whether it involves characters or not.Learn Blender's updated user interface and navigationCreate your first scene with Blender and the Blender Render and Cycles render enginesOrganize an efficient, step-by-step pipeline to streamline workflow in any projectMaster modeling, unwrapping, and texturingBring your character to life with materials and shading in both Cycles and EEVEE (the new real-time render engine included in Blender)Create your character's skeleton and make it walkUse Camera Tracking to mix 3D objects into a real-world videoTransform a raw rendered scene into the final result using Blender's compositing nodesRegister your book for convenient access to downloads, updates, and/or corrections as they become available. See inside book for details.
Preis: 33.16 € | Versand*: 0 € -
Easy Learning
Kinder-Wanduhr "Easy Learning", Durchmesser 30 cm, geräuscharm
Preis: 30.96 € | Versand*: 6.96 € -
Visible Learning 2.0
Visible Learning 2.0 , Als das Original von Visible Learning im Jahr 2008 veröffentlicht wurde, stellte es sich sofort als eine verlegerische Sensation heraus. Das Interesse an dem Buch war beispiellos und innerhalb weniger Tage war es ausverkauft. Im TES (Times Educational Supplement) wurde es als "der Heilige Gral des Unterrichts" bezeichnet. Die Forschung, auf die die vorliegende Weiterentwicklung von Visible Learning basiert, stützt sich inzwischen auf mehr als 2.100 Meta-Analysen (mehr als doppelt so viele wie in der ursprünglichen Veröffentlichung mit ca. 800 Meta-Analysen), die mehr als 130.000 Studien umfassen und an denen geschätzt mehr als 400 Millionen Lernende aus aller Welt teilgenommen haben. Dieses Buch ist jedoch mehr als nur eine Neuauflage: Es ist eine Weiterentwicklung, die das große Ganze beleuchtet, die Umsetzung von Visible Learning in den Schulen reflektiert, wie es verstanden - und manchmal auch missverstanden - wurde und welche Richtung die Forschung in Zukunft einschlagen sollte. Visible Learning 2.0 bekräftigt John Hatties Wunsch, nicht nur das in den Blick zu nehmen, was funktioniert, sondern auch und vor allem das, was am besten funktioniert, indem er entscheidende Fragen stellt wie: Warum ist die derzeitige Grammatik des Schulunterrichts in so vielen Klassenzimmern so fest verankert und wie können wir sie verbessern? Warum ist die Lernentwicklungskurve für Lehrpersonen nach den ersten Berufsjahren so flach? Wie können wir die Denkweise von Lehrpersonen so entwickeln, dass sie sich mehr auf das Lernen und Zuhören konzentrieren (und weniger auf das Lehren und Sprechen)? Wie können wir Forschungsergebnisse in die Diskussionen der Schulen und der Kollegien bringen? Zu den besprochenen Bereichen gehören: - Die Forschungsbasis und die Reaktionen auf Visible Learning - Das Visible Learning Modell - Die bewusste Abstimmung von Lern- und Lehrstrategien - Der Einfluss des Elternhauses, der Lernenden, der Lehrpersonen, der Klassenzimmer, der Schulen, der Lehrpläne auf die Lernleistung. - Der Einfluss von Technologie Aufbauend auf dem Erfolg des Originals erweitert diese mit Spannung erwartete Weiterführung John Hatties Modell des Lehrens und Lernens auf der Grundlage von Einflussgrößen und ist eine unverzichtbare Lektüre für alle, die im Bildungsbereich tätig sind - sei es als Forschende, Lehrpersonen, Lernende, Schulleitungen, Lehrerbildnerinnen und Lehrerbildner oder politische Entscheidungsträger. John Hattie ist emeritierter Professor an der Graduate School of Education der Universität von Melbourne, Australien. Er ist einer der weltweit bekanntesten und meistgelesenen Bildungsexperten. Seine Bücher zu Visible Learning wurden in 29 Sprachen übersetzt und über 2 Millionen Mal verkauft. Stephan Wernke vertrat die Professur für Schulpädagogik an der Universität Vechta und ist wissenschaftlicher Mitarbeiter in der Schulpädagogik und Allgemeinen Didaktik an der Carl von Ossietzky Universität in Oldenburg. Er hat an mehreren Übersetzungen von John Hatties Büchern mitgewirkt (u. a. Lernen sichtbar machen). Klaus Zierer ist Ordinarius für Schulpädagogik an der Universität Augsburg und Associated Research Fellow am Centre on Skills, Knowledge and Organisational Performance (SKOPE) der University of Oxford. Er hat bereits mehrere Bücher von John Hattie ins Deutsche übertragen (u. a. Lernen sichtbar machen) und auch auf Englisch mit ihm publiziert (u.a. 10 Mindframes for Visible Learning). , >
Preis: 32.00 € | Versand*: 0 €
-
Wie beeinflusst Machine Learning die Automobilindustrie, die Gesundheitsversorgung und den Einzelhandel?
Machine Learning hat die Automobilindustrie revolutioniert, indem es die Entwicklung autonomer Fahrzeuge ermöglicht hat, die die Sicherheit und Effizienz des Straßenverkehrs verbessern. In der Gesundheitsversorgung hat Machine Learning die Diagnose und Behandlung von Krankheiten verbessert, indem es Ärzten dabei hilft, präzisere und personalisierte Behandlungspläne zu erstellen. Im Einzelhandel hat Machine Learning dazu beigetragen, personalisierte Einkaufserlebnisse zu schaffen, indem es das Kaufverhalten der Kunden analysiert und Vorhersagen über ihre zukünftigen Bedürfnisse trifft. Insgesamt hat Machine Learning in diesen Branchen zu Effizienzsteigerungen, Kosteneinsparungen und einer besseren Kundenzufriedenheit geführt.
-
Wie beeinflusst Machine Learning die Automobilindustrie, die Gesundheitsversorgung und den Einzelhandel?
Machine Learning hat in der Automobilindustrie zu Fortschritten in der Fahrzeugautomatisierung und der Entwicklung von selbstfahrenden Autos geführt. In der Gesundheitsversorgung ermöglicht Machine Learning die Analyse großer Mengen von Patientendaten, um personalisierte Behandlungspläne zu erstellen und Krankheiten frühzeitig zu erkennen. Im Einzelhandel wird Machine Learning zur Vorhersage von Kundenpräferenzen und Kaufverhalten eingesetzt, um personalisierte Angebote und Marketingstrategien zu entwickeln. Insgesamt trägt Machine Learning in diesen Branchen dazu bei, Effizienz zu steigern, Kosten zu senken und die Qualität der Dienstleistungen zu verbessern.
-
Wie wird Machine Learning in der Medizin eingesetzt, um Krankheiten zu diagnostizieren und Behandlungen zu personalisieren?
Machine Learning wird in der Medizin eingesetzt, um große Mengen von Patientendaten zu analysieren und Muster zu identifizieren, die auf bestimmte Krankheiten hinweisen. Anhand dieser Muster können Ärzte Krankheiten frühzeitig diagnostizieren und personalisierte Behandlungspläne erstellen. Zudem kann Machine Learning genutzt werden, um die Wirksamkeit von Medikamenten und Therapien zu prognostizieren und individuelle Risikoprofile für Patienten zu erstellen. Durch die Anwendung von Machine Learning können Ärzte präzisere und effektivere Behandlungen anbieten, die auf die individuellen Bedürfnisse und Risiken ihrer Patienten zugeschnitten sind.
-
Wird Machine Learning auf dem MacBook durch die neuen M1- und M1-Max-Chips auf ein neues Level gehoben?
Ja, die neuen M1- und M1-Max-Chips von Apple bieten eine erhebliche Leistungssteigerung für Machine Learning-Anwendungen auf dem MacBook. Die verbesserte Rechenleistung und die speziell entwickelten Neural Engine ermöglichen schnellere und effizientere Berechnungen, was zu einer verbesserten Leistung und Genauigkeit von Machine Learning-Modellen führt. Dies eröffnet neue Möglichkeiten für Entwickler und Forscher, komplexe Machine Learning-Aufgaben auf ihren MacBooks durchzuführen.
* Alle Preise verstehen sich inklusive der gesetzlichen Mehrwertsteuer und ggf. zuzüglich Versandkosten. Die Angebotsinformationen basieren auf den Angaben des jeweiligen Shops und werden über automatisierte Prozesse aktualisiert. Eine Aktualisierung in Echtzeit findet nicht statt, so dass es im Einzelfall zu Abweichungen kommen kann.