Download PDF Machine Learning – kurz & gut: Eine Einführung mit Python, Pandas und Scikit-Learn
Um die fantastischen Quellen und auch einfache Methode, um die Nachrichten und Informationen zu geben, kommt es Ihnen durch die Faktoren erhalten hat, dass bieten nachdenkliche Buch Konzepte zu betrachten. Wenn die Ideen kommen langsam zu benötigen, können Sie schnell das Machine Learning – Kurz & Gut: Eine Einführung Mit Python, Pandas Und Scikit-Learn als Quellen erhalten. Warum? Da konnte man sich von den weichen Unterlagen der Führung erhalten, die in dem Web-Link gegeben prüft s.
Machine Learning – kurz & gut: Eine Einführung mit Python, Pandas und Scikit-Learn
Download PDF Machine Learning – kurz & gut: Eine Einführung mit Python, Pandas und Scikit-Learn
Sprechen über Hobby, unter den Freizeitaktivitäten, die jemand machen erfolgreich liest. Darüber hinaus liest eine hohe zertifizierte Veröffentlichung. Eine, die Sie als die Ressource auswählen können, ist Machine Learning – Kurz & Gut: Eine Einführung Mit Python, Pandas Und Scikit-Learn Dies ist nicht Art von herkömmlicher Publikation, die hervorragenden Namen hat. Es ist insbesondere Veröffentlichung, die wir beraten Sie wirklich zu überprüfen. Durch Zeitvertreib mit Bücher zu lesen, können Sie immer steigern Sie Ihren Geist in der ganzen Zeit. Und auch genau das, was Sie gerade ergreifen, um Ihnen das verantwortliche Lese Produkt auffinden ist diese Veröffentlichung.
Sie wird die Überprüfung sicherlich nicht viele Dinge. Dennoch wird das Lesen, was Sie brauchen. Jedes Buch hat bestimmtes Thema und Lehre zu nehmen. Es wird jeden Wunsch machen zu entscheiden, welche Veröffentlichung sie überprüfen. Es macht die Lektion wirklich nehmen wird, wie die individuellen Bedürfnisse in Verbindung bringen. In diesem Fall wird die Sichtbarkeit dieser Website tatsächlich Besucher unterstützt zahlreiche Publikationen zu lokalisieren. Also, eigentlich ist es nicht nur das Machine Learning – Kurz & Gut: Eine Einführung Mit Python, Pandas Und Scikit-Learn, gibt es noch Angebote von Arten der Bücher zu sammeln.
In diesem Fall mehr Zeit verbringt die Machine Learning – Kurz & Gut: Eine Einführung Mit Python, Pandas Und Scikit-Learn Seite per Web-Seite überprüfen kann die beste Funktion der Analyse halten. Dies ist eine der Methoden für Sie, die eigentlich die einfache Lesung als bezeichnet Aktivität teilnehmen möchten. Sie können das Buch erhalten auch für Ihre guten Freunde wie das Buch zu liefern zu verweisen. Noch einmal, das Thema des Buches wird sicherlich bieten Ihnen Lektion zum Thema abgestimmt.
Also, wenn Sie wirklich die Informationen und das Verständnis zu diesem Thema benötigen, wird dieses Buch für Sie wirklich ideal. Man konnte nicht wirklich das Gefühl, dass diese Publikation zu lesen wird sicherlich schwer Idee bieten zu übernehmen. Es kommt sicherlich je nachdem, wie Sie die Botschaft des Buches nehmen. Machine Learning – Kurz & Gut: Eine Einführung Mit Python, Pandas Und Scikit-Learn kann wirklich eine Option, um Ihre Aufgabe jeden Tag zu vervollständigen. Auch wird es nicht nach einigen Tagen abzuschließen; es werden Ihnen zusätzliche Relevanz zu offenbaren bieten.
Über den Autor und weitere Mitwirkende
Nach seiner Diplom- und Doktorarbeit an der Universität Hamburg im Bereich Hochenergiephysik am Teilchenbeschleuniger HERA/DESY arbeitete Chi Nhan Nguyen mehrere Jahre als wissenschaftlicher Mitarbeiter im akademischen Ausland. Seine Stationen waren dabei u.a. das Fermilab, die Texas A&M University, der Teilchenbeschleuniger LHC am CERN und die Columbia University. Seit 2013 arbeitet er als Datenwissenschaftler und Berater für die S&P Consult im Bereich der Optimierung von Sanierungsstrategien für Versorgungsnetzwerke auf Basis von stochastischen Alterungsmodellen. Oliver Zeigermann ist Entwickler, Architekt, Berater und Coach aus Hamburg. Über die letzten Jahrzehnte hat er Software in vielen unterschiedlichen Sprachen und Technologien entwickelt. In den letzten Jahren ist er tiefer in die Analyse und Verarbeitung von Daten eingestiegen.
Produktinformation
Taschenbuch: 184 Seiten
Verlag: O'Reilly; Auflage: 1 (23. April 2018)
Sprache: Deutsch
ISBN-10: 3960090528
ISBN-13: 978-3960090526
Größe und/oder Gewicht:
10,8 x 1,2 x 18 cm
Durchschnittliche Kundenbewertung:
3.4 von 5 Sternen
12 Kundenrezensionen
Amazon Bestseller-Rang:
Nr. 40.980 in Bücher (Siehe Top 100 in Bücher)
Bei mir ist es so, dass ich nach den ersten Klicks im Internet über ein neues Thema irgendwann ein Buch brauche, welches ich in meinem Tempo blättern und lesen kann. Mir hat die Einführung sehr gut gefallen, weil die Autoren mich als Leser direkt ansprechen; also sie erzählen nicht etwas über ML, sondern zeigen mir eher was, was ML ist. Nebenbei habe ich etwas über Jupyter bzw. Azure Notebooks gelernt und das erste mal bisschen Python. In den Vertiefungskapiteln werden Grundlagen der Einführung an geeigneten Stellen immer wiederholt, falls man am Anfang noch nicht sofort alles geschnallt hat. Für's Erste bin ich mit dem handlichen Taschenbuch super bedient. Insofern 5 Sterne für volle Erfüllung der Erwartung.
Das Buch vermittelt einen oberflächlichen Einstieg in die Verfahren des maschinellen Lernens. Für Anfänger ist es auf jeden Fall geeignet, um einen ersten Überblick zu erhalten und dann mit weiterer Lektüre tiefer in die Materie einzusteigen. Leider vermeidet es das Buch, die Hintergründe zu magischen Funktionen aus der Sklearn Bibliothek zu erläutern, oder zumindest direkt Fachliteratur zum jeweiligen Thema zu referenzieren.
Very nice book, and a very good introduction to the field of applied Machine Learning. The authors are focusing their book on supervised learning methods and they provide intuitive explanations as well as nice Python notebooks as additional online material. The reader is encouraged to play with the code and improves his understanding of the text.I would recommend this book to everyone who wants to get in touch with Machine and Statistical Learning as well as with Python for data analysis. Based on the content, more advanced texts should be easily to follow.
Viele nicht nachvollziehbare Sprünge im Text. Themen werden oft nur mit einem Begriff erwähnt, anstatt wenigstens im Grundsatz erklärt. Der deutsche Satzbau scheint dem Lektorat und/oder Autor nicht sehr geläufig.Der Kauf ist reine Geldverschwendung.
Dieses Buch bietet einen sehr guten Einstieg in die Grundlagen von Machine Learning.Man fühlt sich gut an die Hand genommen und wird in gut strukturierten Kapiteln mit dieser eigentlich recht komplexen Materie schrittweise vertraut gemacht, so dass man die wichtigsten Konzepte ganz gut versteht.Besonders gut haben mir die vielen praktischen Beispiele gefallen, die man mit Hilfe von kleinen Notebooks online selbst ausprobieren und nachvollziehen kann.
Alles in Allem bin ich grundsätzlich zufrieden - Super Einführung, gut und "einfach" beschrieben, für jemanden der zwar aus der IT kommt aber mit ML noch nicht viel gemacht hat.Einziger Kritikpunkt:Ich fände es schöner ein durchgängiges Beispiel nachvollziehen zu können. Es fängt mit dem Dataset der Lilien an und springt dann zum Boston Dataset - das fand ich schade. Denn ich hätte gerne gewußt, was und wie ich mit den Lilien machen kann. Oder man fängt grundsätzlich mit einem komplizierteren Dataset an - und arbeitet sich schrittweise durch.Warum auch, diese Phänomen hat man aber in vielen ML-Büchern
Habe mir dieses Buch zum Einstieg gekauft.Mir hat besonders gefallen, dass es auf deutsch geschrieben ist. Dann kann man sich wirklich auf das Thema konzentrieren und hat nicht immer die Sprachbarriere. Inhaltlich wird man gut an die Hand genommen. Die Autoren sprechen einen quasi immer direkt an und erklären alles gut.Super fand ich auch, dass mit diesem Buch ein Online "Notebook" zur Verfügung gestellt wird. Hiermit lassen sich viele Beispiele direkt ausprobieren. Die Themen bilden einen guten Abriss von den Basics bis zu den Grundlagen der neuronalen Netze.Fazit: für kleines Geld wird einem ein solider Einstieg in das Thema ermöglicht.
Erwarten kann man eine kurze Darstellung des Themas. Diese bekommt man auch. Aufbereitet anhand - so scheint es - von einigen Webseiten: Wikipedia, Python, weitere Webseiten werden genannt. Zum Durchblättern ganz nett, erweckt den Eindruck der Einfachheit, aber ohne fundierte Informatik/Statistik-Ausbildung sollte man sich mit dem Thema Machine Learning als Leser generell nicht befassen, weil sonst der Background zum Arbeiten fehlt und alles aus der Luft gegriffen ist. Problematisch fand ich den Sprung von der simplen Datenanalyse hin zur Mustererkennung, ein komplexes Arbeitsgebiet mit ganz eigenen Problemen. Und natürlich muss auch KI erwähnt werden, auch ein riesiges Arbeitsgebiet. Aber die Kürze will ich nicht kritisieren. Als gravierenden Mangel empfand ich das vollständige Fehlen eines Literaturverzeichnisses. Die Autoren sind nun wirklich nicht die ersten, die ein Machine Learning-Buch schreiben und ein vernünftiges Maß an Literaturangaben gehört sich einfach. Von wem sind die dargestellten Methoden, mit denen hier Geld verdient wird? Welche Bücher haben die Autoren selbst gelesen? Der Leser erfährt es nicht. Für ein im Verlag erschienenes Buch finde ich das inakzeptabel. Wer sich das Geld sparen will, kann die Themen u.a. eben auch in Wikipedia und bei Python nachlesen, zum Teil mit mehr richtigen Informationen, denn einige Informationen im Buch finde ich auch etwas mehr als Meinung denn als fachlich. So gesehen bleibt das Buch nur kurz.
Machine Learning – kurz & gut: Eine Einführung mit Python, Pandas und Scikit-Learn PDF
Machine Learning – kurz & gut: Eine Einführung mit Python, Pandas und Scikit-Learn EPub
Machine Learning – kurz & gut: Eine Einführung mit Python, Pandas und Scikit-Learn Doc
Machine Learning – kurz & gut: Eine Einführung mit Python, Pandas und Scikit-Learn iBooks
Machine Learning – kurz & gut: Eine Einführung mit Python, Pandas und Scikit-Learn rtf
Machine Learning – kurz & gut: Eine Einführung mit Python, Pandas und Scikit-Learn Mobipocket
Machine Learning – kurz & gut: Eine Einführung mit Python, Pandas und Scikit-Learn Kindle
Posting Komentar