Domain mlai.de kaufen?
Produkt zum Begriff Algorithmen:
-
Ekman, Magnus: Learning Deep Learning
Learning Deep Learning , NVIDIA's Full-Color Guide to Deep Learning: All StudentsNeed to Get Started and Get Results Learning Deep Learning is a complete guide to DL.Illuminating both the core concepts and the hands-on programming techniquesneeded to succeed, this book suits seasoned developers, data scientists,analysts, but also those with no prior machine learning or statisticsexperience. After introducing the essential building blocks of deep neural networks, such as artificial neurons and fully connected, convolutional, and recurrent layers,Magnus Ekman shows how to use them to build advanced architectures, includingthe Transformer. He describes how these concepts are used to build modernnetworks for computer vision and natural language processing (NLP), includingMask R-CNN, GPT, and BERT. And he explains how a natural language translatorand a system generating natural language descriptions of images. Throughout, Ekman provides concise, well-annotated code examples usingTensorFlow with Keras. Corresponding PyTorch examples are provided online, andthe book thereby covers the two dominating Python libraries for DL used inindustry and academia. He concludes with an introduction to neural architecturesearch (NAS), exploring important ethical issues and providing resources forfurther learning. Exploreand master core concepts: perceptrons, gradient-based learning, sigmoidneurons, and back propagation See how DL frameworks make it easier to developmore complicated and useful neural networks Discover how convolutional neuralnetworks (CNNs) revolutionize image classification and analysis Apply recurrentneural networks (RNNs) and long short-term memory (LSTM) to text and othervariable-length sequences Master NLP with sequence-to-sequence networks and theTransformer architecture Build applications for natural language translation andimage captioning , >
Preis: 49.28 € | Versand*: 0 € -
Zeigermann, Oliver: Machine Learning - kurz & gut
Machine Learning - kurz & gut , Der kompakte Schnelleinstieg in Machine Learning und Deep Learning Die 3. Auflage des Bestsellers wurde ergänzt durch Kapitel zu Large Language Models wie ChatGPT und zu MLOps Anhand konkreter Datensätze lernen Sie einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung Nicht nur für zukünftige Data Scientists und ML-Profis geeignet, sondern durch seine durchdachte Didaktik auch für Interessierte, die nur am Rande mit ML zu tun haben, wie z.B. Softwareentwickler*innen Machine Learning beeinflusst heute beinahe alle Bereiche der Technik und der Gesellschaft. Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des maschinellen Lernens und der statistischen Datenanalyse. Dabei werden alle wesentlichen Themen abgedeckt und mit praktischen Beispielen in Python illustriert. Verwendet werden dabei die Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras. Nach der Lektüre dieses Buchs haben Sie einen Überblick über das gesamte Thema und können Ansätze einordnen und bewerten. Das Buch vermittelt Ihnen eine solide Grundlage, um Ihre ersten eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen. Die aktualisierte 3. Auflage behandelt jetzt auch Large Language Models wie z.B. ChatGPT und MLOps. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 19.90 € | Versand*: 0 € -
Bhargava, Aditya Y: Algorithmen kapieren
Algorithmen kapieren , Visuelle Erläuterungen mit über 400 anschaulichen Illustrationen Mit einfachen Beispielen aus dem Alltag und zahlreichen Übungen Ausführlich kommentierter Beispielcode in Python Algorithmen kapieren ohne graue Theorie Ab sofort sind Algorithmen nicht mehr langweilig und trocken! Mit diesem Buch wird es dir leichtfallen, ihre Funktionsweise zu verstehen. Alle Algorithmen werden mithilfe von Beispielen aus dem täglichen Leben erläutert, z.B. der Unterschied zwischen Arrays und verketteten Listen anhand der Aufgabe, freie Plätze in einem Kinosaal zu finden. Für den Einsatz in der Praxis Du lernst die wichtigsten Algorithmen kennen, die dir dabei helfen, deine Programme zu beschleunigen, deinen Code zu vereinfachen und die gängigsten Aufgaben bei der Programmierung zu lösen. Dabei beginnst du mit einfachen Aufgaben wie Sortieren und Suchen. Mit diesen Grundlagen gerüstet kannst du auch schwierigere Aufgaben wie Datenkomprimierung oder künstliche Intelligenz in Angriff nehmen. Visuell und praxisnah Zu allen Erläuterungen findest du anschauliche Illustrationen und Diagramme sowie ausführlich kommentierten Beispielcode in Python. Übungsaufgaben mit Lösungen für jedes Kapitel helfen dir, dein Wissen zu testen und zu festigen. Aus dem Inhalt: Such-, Sortier- und Graphenalgorithmen Performance von Algorithmen analysieren (Landau-Notation) Arrays, verkettete Listen und Hashtabellen Bäume und balancierte Bäume Rekursion und Stacks Quicksort und das Teile-und-herrsche-Verfahren Dijkstra-Algorithmus für die Ermittlung des kürzesten Pfads Approximationsalgorithmen und NP-vollständige Probleme Greedy-Algorithmen Dynamische Programmierung Klassifikation und Regression mit dem k-Nächste-Nachbarn-Algorithmus Stimmen zum Buch »Das Buch schafft das Unmögliche: Mathe macht Spaß und ist einfach.« (- Sander Rossel, COAS Software Systems) »Algorithmen sind nicht langweilig! Die Lektüre des Buchs hat mir und meinen Studenten Spaß gemacht und war lehrreich.« (- Christopher Haupt, Mobirobo, Inc.) »Heutzutage gibt es praktisch keinen Aspekt des Lebens, der nicht durch einen Algorithmus optimiert wird. Dieses Buch sollte Ihre erste Wahl sein, wenn Sie eine gut erklärte Einführung in dieses Thema suchen.« (- Amit Lamba, Tech Overture, LLC) , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 29.99 € | Versand*: 0 € -
Raschka, Sebastian: Machine Learning Q and AI
Machine Learning Q and AI , "An advanced exploration of machine learning and AI, with each chapter asking and answering a question from the field. Divided into five sections: deep learning and neural networks; computer vision; natural language processing; production and deployment; and predictive performance and model evaluation"-- , >
Preis: 37.30 € | Versand*: 0 €
-
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.
-
Warum Deep Learning im Vergleich zu Machine Learning?
Deep Learning unterscheidet sich von Machine Learning durch seine Fähigkeit, automatisch Merkmale aus den Daten zu extrahieren, anstatt dass diese manuell definiert werden müssen. Dadurch ist Deep Learning in der Lage, komplexere und abstraktere Muster in den Daten zu erkennen und zu lernen. Dies ermöglicht es Deep Learning-Modellen, in vielen Anwendungsbereichen, wie Bild- und Spracherkennung, bessere Leistungen zu erzielen als herkömmliche Machine Learning-Modelle.
-
Was ist der Unterschied zwischen Deep Learning und Machine Learning?
Deep Learning ist eine spezielle Methode des Machine Learning, die auf künstlichen neuronalen Netzwerken basiert. Es ermöglicht das Lernen von hierarchischen und komplexen Merkmalsdarstellungen, um automatisch Muster und Strukturen in Daten zu erkennen. Im Gegensatz dazu ist Machine Learning ein breiterer Begriff, der verschiedene Algorithmen und Techniken umfasst, um Computermodelle zu erstellen, die aus Daten lernen und Vorhersagen treffen können. Deep Learning ist also eine Teilmenge des Machine Learning.
-
Wie können Machine-Learning-Algorithmen zur Vorhersage zukünftiger Ereignisse eingesetzt werden?
Machine-Learning-Algorithmen analysieren historische Daten, um Muster und Trends zu identifizieren. Anhand dieser Muster können sie zukünftige Ereignisse vorhersagen. Die Algorithmen werden trainiert, um präzise Prognosen zu erstellen und Entscheidungen zu unterstützen.
Ähnliche Suchbegriffe für Algorithmen:
-
Steinkamp, Veit: Mathematische Algorithmen mit Python
Mathematische Algorithmen mit Python , Tauchen Sie ein in die Welt der Algorithmen und erforschen Sie die Verbindung zwischen Programmierung und Mathematik. Dr. Veit Steinkamp löst mit Ihnen Aufgaben aus verschiedenen Bereichen und zeigt, wie Rechnungen in Code umgesetzt werden. Sie lernen die grundlegenden Programm- und Datenstrukturen Pythons kennen und erfahren, welche Module Ihnen viel Arbeit abnehmen. Rasch programmieren Sie Algorithmen zum Lösen von Gleichungssystemen nach, automatisieren Kurvendiskussionen und berechnen Integrale. Abstrakte Zusammenhänge werden so deutlich, und ganz nebenbei verbessern Sie Ihre Python-Fähigkeiten und programmieren geschickter und gekonnter. Aus dem Inhalt: Python installieren und anwenden Daten- und Programmstrukturen Module: NumPy, SymPy, SciPy, Matplotlib Zahlen Gleichungssysteme Folgen und Reihen Funktionen Differenzial- und Integralrechnung Differenzialgleichungen Ausgleichsrechnungen Statistik Fraktale Geometrie Die Fachpresse zur Vorauflage: iX - Magazin für professionelle Informationstechnik: »Der Titel verspricht nicht zu viel. Man lernt nicht nur Mathematik, sondern spielend auch die Umsetzung von mathematischen Konzepten in ein Programm und damit die praktische Anwendung von Python.« c't: »Überhaupt beweist der Autor ein gutes didaktisches Händchen. Mit Hintergrundinformationen lockert er seinen Text auf; hinzu kommen zahlreiche Abbildungen mit Funktionsplots sowie gut gewählte Übungen.« , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 34.90 € | Versand*: 0 € -
Bishop, Christopher M.: Deep Learning
Deep Learning , This book offers a comprehensive introduction to the central ideas that underpin deep learning. It is intended both for newcomers to machine learning and for those already experienced in the field. Covering key concepts relating to contemporary architectures and techniques, this essential book equips readers with a robust foundation for potential future specialization. The field of deep learning is undergoing rapid evolution, and therefore this book focusses on ideas that are likely to endure the test of time. The book is organized into numerous bite-sized chapters, each exploring a distinct topic, and the narrative follows a linear progression, with each chapter building upon content from its predecessors. This structure is well-suited to teaching a two-semester undergraduate or postgraduate machine learning course, while remaining equally relevant to those engaged in active research or in self-study. A full understanding of machine learning requires some mathematical background and so the book includes a self-contained introduction to probability theory. However, the focus of the book is on conveying a clear understanding of ideas, with emphasis on the real-world practical value of techniques rather than on abstract theory. Complex concepts are therefore presented from multiple complementary perspectives including textual descriptions, diagrams, mathematical formulae, and pseudo-code. Chris Bishop is a Technical Fellow at Microsoft and is the Director of Microsoft Research AI4Science. He is a Fellow of Darwin College Cambridge, a Fellow of the Royal Academy of Engineering, and a Fellow of the Royal Society. Hugh Bishop is an Applied Scientist at Wayve, a deep learning autonomous driving company in London, where he designs and trains deep neural networks. He completed his MPhil in Machine Learning and Machine Intelligence at Cambridge University. ¿Chris Bishop wrote a terrific textbook on neural networks in 1995 and has a deep knowledge of the field and its core ideas. His many years of experience in explaining neural networks have made him extremely skillful at presenting complicated ideas in the simplest possible way and it is a delight to see these skills applied to the revolutionary new developments in the field.¿ -- Geoffrey Hinton "With the recent explosion of deep learning and AI as a research topic, and the quickly growing importance of AI applications, a modern textbook on the topic was badly needed. The "New Bishop" masterfully fills the gap, covering algorithms for supervised and unsupervised learning, modern deep learning architecture families, as well as how to apply all of this to various application areas." ¿ Yann LeCun ¿This excellent and very educational book will bring the reader up to date with the main concepts and advances in deep learning with a solid anchoring in probability. These concepts are powering current industrial AI systems and are likely to form the basis of further advances towards artificial general intelligence.¿ -- Yoshua Bengio , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 75.37 € | Versand*: 0 € -
Chabert, Antoine: SAP Analytics Cloud: Predictive Analytics
SAP Analytics Cloud: Predictive Analytics , Today's organizations must be prepared for tomorrow's events. Forecast future behavior in SAP Analytics Cloud with this comprehensive guide to predictive analytics! Start by learning about the data types, scenarios, and methods used in predictive analytics projects. Then follow step-by-step instructions to build, analyze, and apply predictive models to your business data using classification, time series forecasting, and regression analysis. Automate your models and dive into the data science with this all-in-one guide! In this book, you'll learn about: a. Predictive Scenarios and Projects Understand the basics of predictive analytics in SAP Analytics Cloud: scenarios, data types, and actions. Then plan your predictive project, including identifying the key stakeholders and reviewing the methodology. b. Build, Train, Analyze, and Apply Master predictive models from end to end. Create classification, time series, and regression models; then train them to identify business patterns. Analyze and apply the results of your models to data in SAP Analytics Cloud. c. Practical Demonstrations See predictive analytics in action! Identify use cases for predictive modeling. For each data model, understand practical applications through curated examples with sample business data. Highlights include: 1) Predictive scenarios 2) Predictive forecasts 3) Data modeling 4) Planning 5) Time series model 6) Classification model 7) Regression model 8) Multi-actions 9) Data science 10) Stories and dashboards , Schule & Ausbildung > Fachbücher, Lernen & Nachschlagen
Preis: 81.99 € | Versand*: 0 € -
Kneusel, Ronald T.: Practical Deep Learning
Practical Deep Learning , This book is for people with no experience with machine learning and who are looking for an intuition-based, hands-on introduction to deep learning using Python. Deep Learning for Complete Beginners: A Python-Based Introduction is for complete beginners in machine learning. It introduces fundamental concepts such as classes and labels, building a dataset, and what a model is and does before presenting classic machine learning models, neural networks, and modern convolutional neural networks. Experiments in Python--working with leading open-source toolkits and standard datasets--give you hands-on experience with each model and help you build intuition about how to transfer the examples in the book to your own projects. You'll start with an introduction to the Python language and the NumPy extension that is ubiquitous in machine learning. Prominent toolkits, like sklearn and Keras/TensorFlow are used as the backbone to enable you to focus on the elements of machine learning without the burden of writing implementations from scratch. An entire chapter on evaluating the performance of models gives you the knowledge necessary to understand claims on performance and to know which models are working well and which are not. The book culminates by presenting convolutional neural networks as an introduction to modern deep learning. Understanding how these networks work and how they are affected by parameter choices leaves you with the core knowledge necessary to dive into the larger, ever-changing world of deep learning. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen , Erscheinungsjahr: 20210223, Produktform: Kartoniert, Themenüberschrift: COMPUTERS / Neural Networks, Keyword: programming gifts;gifts for geeks;geek gifts;gifts for nerds;tech gifts;machine learning books;NumPy;open source;Tensorflow;Keras;neural networks;machine learning for beginners;machine learning;deep learning;computers;technology;computer;code;coding;algorithm;computer programming;python;python programming;algorithms;python for data analysis;python machine learning;tech;computer books;programmer gifts;computer programmer gifts;programming;reference;statistics;engineering;guide;computer science, Fachschema: Englische Bücher / Naturwissenschaften~Fuzzy Logik - Fuzzy Set~Neuronales Netz - Neuronaler Computer - Neurocomputer~Programmiersprachen~Intelligenz / Künstliche Intelligenz~KI~Künstliche Intelligenz - AI, Fachkategorie: Programmier- und Skriptsprachen, allgemein~Maschinelles Lernen, Imprint-Titels: No Starch Press, Warengruppe: HC/Informatik, Fachkategorie: Neuronale Netze und Fuzzysysteme, Text Sprache: eng, Seitenanzahl: XXX, Seitenanzahl: 426, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Verlag: Random House LLC US, Verlag: Random House LLC US, Länge: 234, Breite: 182, Höhe: 32, Gewicht: 882, Produktform: Kartoniert, Genre: Importe, Genre: Importe, Herkunftsland: VEREINIGTE STAATEN VON AMERIKA (US), Katalog: LIB_ENBOOK, Katalog: Gesamtkatalog, Katalog: Internationale Lagertitel, Katalog: internationale Titel, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0008, Tendenz: -1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel, WolkenId: 2412602
Preis: 45.24 € | Versand*: 0 €
-
Welche Anwendungen und Entwicklungen haben Machine Learning-Algorithmen in verschiedenen Branchen hervorgebracht?
Machine Learning-Algorithmen haben in der Gesundheitsbranche Anwendungen wie die Diagnose von Krankheiten und die personalisierte Medizin ermöglicht. In der Finanzbranche werden sie für die Betrugserkennung und die Risikobewertung eingesetzt. Im Bereich des Marketings helfen sie bei der Kundenanalyse und der personalisierten Werbung.
-
Welche Methoden zur Dimensionalitätsreduktion eignen sich besonders gut zur Optimierung von Machine-Learning-Algorithmen?
Hauptkomponentenanalyse (PCA) ist eine beliebte Methode zur Reduzierung der Dimensionalität von Daten, indem sie die Varianz maximiert und irrelevante Informationen eliminiert. Eine weitere effektive Methode ist die t-Distributed Stochastic Neighbor Embedding (t-SNE), die komplexe Datenstrukturen in einem niedrigdimensionalen Raum visualisiert. Feature Selection-Techniken wie Recursive Feature Elimination (RFE) können auch verwendet werden, um die relevantesten Merkmale für die Modellierung auszuwählen.
-
Wie können Machine Learning-Algorithmen dabei helfen, große Datenmengen zu analysieren und Muster zu erkennen?
Machine Learning-Algorithmen können große Datenmengen verarbeiten und Muster erkennen, die für menschliche Analysten schwer zu erkennen sind. Sie können automatisch Muster identifizieren und Vorhersagen treffen, ohne dass explizite Regeln programmiert werden müssen. Durch kontinuierliches Lernen können sie auch mit sich ändernden Daten umgehen und ihre Genauigkeit im Laufe der Zeit verbessern.
-
Wie kann man sich selbst Machine Learning, Künstliche Intelligenz und Natural Language Processing beibringen?
Um sich selbst Machine Learning, Künstliche Intelligenz und Natural Language Processing beizubringen, gibt es verschiedene Möglichkeiten. Man kann Online-Kurse und Tutorials nutzen, um die Grundlagen zu erlernen und praktische Erfahrungen zu sammeln. Es ist auch hilfreich, an Projekten zu arbeiten und mit vorhandenen Tools und Bibliotheken zu experimentieren. Zudem kann der Austausch mit anderen Fachleuten in Foren und Communitys dabei helfen, Fragen zu klären und neue Ideen zu entwickeln.
* 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.