Machine Learning mit Python und Scikit-learn und TensorFlow: das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics
Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, TensorFlow, Matplotlib, Pandas und Keras Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen Machine Learning und Pre...
Gespeichert in:
| Beteiligte Personen: | , |
|---|---|
| Weitere beteiligte Personen: | |
| Format: | Elektronisch E-Book |
| Sprache: | Deutsch |
| Veröffentlicht: |
[Frechen, Germany]
Mitp Verlags
[2018]
|
| Ausgabe: | 2. Auflage. |
| Schlagwörter: | |
| Links: | https://learning.oreilly.com/library/view/-/9783958457355/?ar |
| Zusammenfassung: | Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, TensorFlow, Matplotlib, Pandas und Keras Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen Machine Learning und Predictive Analytics verändern die Arbeitsweise von Unternehmen grundlegend. Die Fähigkeit, in komplexen Daten Trends und Muster zu erkennen, ist heutzutage für den langfristigen geschäftlichen Erfolg ausschlaggebend und entwickelt sich zu einer der entscheidenden Wachstumsstrategien. Die zweite Auflage dieses Buchs berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dies betrifft insbesondere die neuesten Open-Source-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Python zählt zu den führenden Programmiersprachen in den Bereichen Machine Learning, Data Science und Deep Learning und ist besonders gut dazu geeignet, grundlegende Erkenntnisse aus Ihren Daten zu gewinnen sowie ausgefeilte Algorithmen und statistische Modelle auszuarbeiten, die neue Einsichten liefern und wichtige Fragen beantworten. Die Autoren erläutern umfassend den Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür behandeln sie in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Sie lernen detailliert, wie Sie Python für maschinelle Lernverfahren einsetzen und dabei eine Vielzahl von statistischen Modellen verwenden. Aus dem Inhalt: Trainieren von Lernalgorithmen für die Klassifizierung Regressionsanalysen zum Prognostizieren von Ergebnissen Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten Deep-Learning-Verfahren zur Bilderkennung Optimale Organisation Ihrer Daten durch effektive Verfahren zur Vorverarbeitung Datenkomprimierung durch Dimensionsreduktion Training Neuronaler Netze mit TensorFlow Kombination verschiedener Modelle für das Ensemble Learning Einbettung eines Machine-Learning-Modells in eine Webanwendung Stimmungsanalyse in Social Networks Modellierung sequenzieller Daten durch rekurrente Neuronale Netze. |
| Beschreibung: | "First published in the English language under the title Python machine learning, Second edition (9781787125933)"--Copyright page. - Online resource; title from title page (Safari, viewed January 16, 2018) |
| Umfang: | 1 Online-Ressource (1 volume) illustrations |
| ISBN: | 9783958457355 3958457355 |
Internformat
MARC
| LEADER | 00000cam a22000002 4500 | ||
|---|---|---|---|
| 001 | ZDB-30-ORH-047769858 | ||
| 003 | DE-627-1 | ||
| 005 | 20240228120420.0 | ||
| 007 | cr uuu---uuuuu | ||
| 008 | 191023s2018 xx |||||o 00| ||ger c | ||
| 020 | |a 9783958457355 |9 978-3-95845-735-5 | ||
| 020 | |a 3958457355 |9 3-95845-735-5 | ||
| 035 | |a (DE-627-1)047769858 | ||
| 035 | |a (DE-599)KEP047769858 | ||
| 035 | |a (ORHE)9783958457355 | ||
| 035 | |a (DE-627-1)047769858 | ||
| 040 | |a DE-627 |b ger |c DE-627 |e rda | ||
| 041 | |a ger | ||
| 082 | 0 | |a 005.133 |2 23/eng/20231120 | |
| 100 | 1 | |a Raschka, Sebastian |e VerfasserIn |4 aut | |
| 245 | 1 | 0 | |a Machine Learning mit Python und Scikit-learn und TensorFlow |b das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics |c Sebastian Raschka, Vahid Mirjalili ; Übersetzung aus dem Amerikanischen von Knut Lorenzen |
| 250 | |a 2. Auflage. | ||
| 264 | 1 | |a [Frechen, Germany] |b Mitp Verlags |c [2018] | |
| 264 | 4 | |c ©2018 | |
| 300 | |a 1 Online-Ressource (1 volume) |b illustrations | ||
| 336 | |a Text |b txt |2 rdacontent | ||
| 337 | |a Computermedien |b c |2 rdamedia | ||
| 338 | |a Online-Ressource |b cr |2 rdacarrier | ||
| 500 | |a "First published in the English language under the title Python machine learning, Second edition (9781787125933)"--Copyright page. - Online resource; title from title page (Safari, viewed January 16, 2018) | ||
| 520 | |a Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, TensorFlow, Matplotlib, Pandas und Keras Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen Machine Learning und Predictive Analytics verändern die Arbeitsweise von Unternehmen grundlegend. Die Fähigkeit, in komplexen Daten Trends und Muster zu erkennen, ist heutzutage für den langfristigen geschäftlichen Erfolg ausschlaggebend und entwickelt sich zu einer der entscheidenden Wachstumsstrategien. Die zweite Auflage dieses Buchs berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dies betrifft insbesondere die neuesten Open-Source-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Python zählt zu den führenden Programmiersprachen in den Bereichen Machine Learning, Data Science und Deep Learning und ist besonders gut dazu geeignet, grundlegende Erkenntnisse aus Ihren Daten zu gewinnen sowie ausgefeilte Algorithmen und statistische Modelle auszuarbeiten, die neue Einsichten liefern und wichtige Fragen beantworten. Die Autoren erläutern umfassend den Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür behandeln sie in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Sie lernen detailliert, wie Sie Python für maschinelle Lernverfahren einsetzen und dabei eine Vielzahl von statistischen Modellen verwenden. Aus dem Inhalt: Trainieren von Lernalgorithmen für die Klassifizierung Regressionsanalysen zum Prognostizieren von Ergebnissen Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten Deep-Learning-Verfahren zur Bilderkennung Optimale Organisation Ihrer Daten durch effektive Verfahren zur Vorverarbeitung Datenkomprimierung durch Dimensionsreduktion Training Neuronaler Netze mit TensorFlow Kombination verschiedener Modelle für das Ensemble Learning Einbettung eines Machine-Learning-Modells in eine Webanwendung Stimmungsanalyse in Social Networks Modellierung sequenzieller Daten durch rekurrente Neuronale Netze. | ||
| 650 | 0 | |a Machine learning | |
| 650 | 0 | |a Python (Computer program language) | |
| 650 | 0 | |a Data mining | |
| 650 | 2 | |a Data Mining | |
| 650 | 2 | |a Machine Learning | |
| 650 | 4 | |a Apprentissage automatique | |
| 650 | 4 | |a Python (Langage de programmation) | |
| 650 | 4 | |a Exploration de données (Informatique) | |
| 650 | 4 | |a Data mining | |
| 650 | 4 | |a Machine learning | |
| 650 | 4 | |a Python (Computer program language) | |
| 700 | 1 | |a Lorenzen, Knut |e ÜbersetzerIn |4 trl | |
| 700 | 1 | |a Mirjalili, Vahid |e VerfasserIn |4 aut | |
| 966 | 4 | 0 | |l DE-91 |p ZDB-30-ORH |q TUM_PDA_ORH |u https://learning.oreilly.com/library/view/-/9783958457355/?ar |m X:ORHE |x Aggregator |z lizenzpflichtig |3 Volltext |
| 912 | |a ZDB-30-ORH | ||
| 912 | |a ZDB-30-ORH | ||
| 951 | |a BO | ||
| 912 | |a ZDB-30-ORH | ||
| 049 | |a DE-91 | ||
Datensatz im Suchindex
| DE-BY-TUM_katkey | ZDB-30-ORH-047769858 |
|---|---|
| _version_ | 1821494855591788544 |
| adam_text | |
| any_adam_object | |
| author | Raschka, Sebastian Mirjalili, Vahid |
| author2 | Lorenzen, Knut |
| author2_role | trl |
| author2_variant | k l kl |
| author_facet | Raschka, Sebastian Mirjalili, Vahid Lorenzen, Knut |
| author_role | aut aut |
| author_sort | Raschka, Sebastian |
| author_variant | s r sr v m vm |
| building | Verbundindex |
| bvnumber | localTUM |
| collection | ZDB-30-ORH |
| ctrlnum | (DE-627-1)047769858 (DE-599)KEP047769858 (ORHE)9783958457355 |
| dewey-full | 005.133 |
| dewey-hundreds | 000 - Computer science, information, general works |
| dewey-ones | 005 - Computer programming, programs, data, security |
| dewey-raw | 005.133 |
| dewey-search | 005.133 |
| dewey-sort | 15.133 |
| dewey-tens | 000 - Computer science, information, general works |
| discipline | Informatik |
| edition | 2. Auflage. |
| format | Electronic eBook |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>04382cam a22005292 4500</leader><controlfield tag="001">ZDB-30-ORH-047769858</controlfield><controlfield tag="003">DE-627-1</controlfield><controlfield tag="005">20240228120420.0</controlfield><controlfield tag="007">cr uuu---uuuuu</controlfield><controlfield tag="008">191023s2018 xx |||||o 00| ||ger c</controlfield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783958457355</subfield><subfield code="9">978-3-95845-735-5</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3958457355</subfield><subfield code="9">3-95845-735-5</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)047769858</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)KEP047769858</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(ORHE)9783958457355</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627-1)047769858</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-627</subfield><subfield code="b">ger</subfield><subfield code="c">DE-627</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1=" " ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">005.133</subfield><subfield code="2">23/eng/20231120</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Raschka, Sebastian</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Machine Learning mit Python und Scikit-learn und TensorFlow</subfield><subfield code="b">das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics</subfield><subfield code="c">Sebastian Raschka, Vahid Mirjalili ; Übersetzung aus dem Amerikanischen von Knut Lorenzen</subfield></datafield><datafield tag="250" ind1=" " ind2=" "><subfield code="a">2. Auflage.</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">[Frechen, Germany]</subfield><subfield code="b">Mitp Verlags</subfield><subfield code="c">[2018]</subfield></datafield><datafield tag="264" ind1=" " ind2="4"><subfield code="c">©2018</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">1 Online-Ressource (1 volume)</subfield><subfield code="b">illustrations</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">Text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">Computermedien</subfield><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">Online-Ressource</subfield><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">"First published in the English language under the title Python machine learning, Second edition (9781787125933)"--Copyright page. - Online resource; title from title page (Safari, viewed January 16, 2018)</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, TensorFlow, Matplotlib, Pandas und Keras Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen Machine Learning und Predictive Analytics verändern die Arbeitsweise von Unternehmen grundlegend. Die Fähigkeit, in komplexen Daten Trends und Muster zu erkennen, ist heutzutage für den langfristigen geschäftlichen Erfolg ausschlaggebend und entwickelt sich zu einer der entscheidenden Wachstumsstrategien. Die zweite Auflage dieses Buchs berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dies betrifft insbesondere die neuesten Open-Source-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Python zählt zu den führenden Programmiersprachen in den Bereichen Machine Learning, Data Science und Deep Learning und ist besonders gut dazu geeignet, grundlegende Erkenntnisse aus Ihren Daten zu gewinnen sowie ausgefeilte Algorithmen und statistische Modelle auszuarbeiten, die neue Einsichten liefern und wichtige Fragen beantworten. Die Autoren erläutern umfassend den Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür behandeln sie in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Sie lernen detailliert, wie Sie Python für maschinelle Lernverfahren einsetzen und dabei eine Vielzahl von statistischen Modellen verwenden. Aus dem Inhalt: Trainieren von Lernalgorithmen für die Klassifizierung Regressionsanalysen zum Prognostizieren von Ergebnissen Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten Deep-Learning-Verfahren zur Bilderkennung Optimale Organisation Ihrer Daten durch effektive Verfahren zur Vorverarbeitung Datenkomprimierung durch Dimensionsreduktion Training Neuronaler Netze mit TensorFlow Kombination verschiedener Modelle für das Ensemble Learning Einbettung eines Machine-Learning-Modells in eine Webanwendung Stimmungsanalyse in Social Networks Modellierung sequenzieller Daten durch rekurrente Neuronale Netze.</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Machine learning</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Python (Computer program language)</subfield></datafield><datafield tag="650" ind1=" " ind2="0"><subfield code="a">Data mining</subfield></datafield><datafield tag="650" ind1=" " ind2="2"><subfield code="a">Data Mining</subfield></datafield><datafield tag="650" ind1=" " ind2="2"><subfield code="a">Machine Learning</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Apprentissage automatique</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Python (Langage de programmation)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Exploration de données (Informatique)</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Data mining</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Machine learning</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Python (Computer program language)</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Lorenzen, Knut</subfield><subfield code="e">ÜbersetzerIn</subfield><subfield code="4">trl</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Mirjalili, Vahid</subfield><subfield code="e">VerfasserIn</subfield><subfield code="4">aut</subfield></datafield><datafield tag="966" ind1="4" ind2="0"><subfield code="l">DE-91</subfield><subfield code="p">ZDB-30-ORH</subfield><subfield code="q">TUM_PDA_ORH</subfield><subfield code="u">https://learning.oreilly.com/library/view/-/9783958457355/?ar</subfield><subfield code="m">X:ORHE</subfield><subfield code="x">Aggregator</subfield><subfield code="z">lizenzpflichtig</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="951" ind1=" " ind2=" "><subfield code="a">BO</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ZDB-30-ORH</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-91</subfield></datafield></record></collection> |
| id | ZDB-30-ORH-047769858 |
| illustrated | Illustrated |
| indexdate | 2025-01-17T11:21:01Z |
| institution | BVB |
| isbn | 9783958457355 3958457355 |
| language | German |
| open_access_boolean | |
| owner | DE-91 DE-BY-TUM |
| owner_facet | DE-91 DE-BY-TUM |
| physical | 1 Online-Ressource (1 volume) illustrations |
| psigel | ZDB-30-ORH TUM_PDA_ORH ZDB-30-ORH |
| publishDate | 2018 |
| publishDateSearch | 2018 |
| publishDateSort | 2018 |
| publisher | Mitp Verlags |
| record_format | marc |
| spelling | Raschka, Sebastian VerfasserIn aut Machine Learning mit Python und Scikit-learn und TensorFlow das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics Sebastian Raschka, Vahid Mirjalili ; Übersetzung aus dem Amerikanischen von Knut Lorenzen 2. Auflage. [Frechen, Germany] Mitp Verlags [2018] ©2018 1 Online-Ressource (1 volume) illustrations Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier "First published in the English language under the title Python machine learning, Second edition (9781787125933)"--Copyright page. - Online resource; title from title page (Safari, viewed January 16, 2018) Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, TensorFlow, Matplotlib, Pandas und Keras Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen Machine Learning und Predictive Analytics verändern die Arbeitsweise von Unternehmen grundlegend. Die Fähigkeit, in komplexen Daten Trends und Muster zu erkennen, ist heutzutage für den langfristigen geschäftlichen Erfolg ausschlaggebend und entwickelt sich zu einer der entscheidenden Wachstumsstrategien. Die zweite Auflage dieses Buchs berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dies betrifft insbesondere die neuesten Open-Source-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Python zählt zu den führenden Programmiersprachen in den Bereichen Machine Learning, Data Science und Deep Learning und ist besonders gut dazu geeignet, grundlegende Erkenntnisse aus Ihren Daten zu gewinnen sowie ausgefeilte Algorithmen und statistische Modelle auszuarbeiten, die neue Einsichten liefern und wichtige Fragen beantworten. Die Autoren erläutern umfassend den Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür behandeln sie in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Sie lernen detailliert, wie Sie Python für maschinelle Lernverfahren einsetzen und dabei eine Vielzahl von statistischen Modellen verwenden. Aus dem Inhalt: Trainieren von Lernalgorithmen für die Klassifizierung Regressionsanalysen zum Prognostizieren von Ergebnissen Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten Deep-Learning-Verfahren zur Bilderkennung Optimale Organisation Ihrer Daten durch effektive Verfahren zur Vorverarbeitung Datenkomprimierung durch Dimensionsreduktion Training Neuronaler Netze mit TensorFlow Kombination verschiedener Modelle für das Ensemble Learning Einbettung eines Machine-Learning-Modells in eine Webanwendung Stimmungsanalyse in Social Networks Modellierung sequenzieller Daten durch rekurrente Neuronale Netze. Machine learning Python (Computer program language) Data mining Data Mining Machine Learning Apprentissage automatique Python (Langage de programmation) Exploration de données (Informatique) Lorenzen, Knut ÜbersetzerIn trl Mirjalili, Vahid VerfasserIn aut |
| spellingShingle | Raschka, Sebastian Mirjalili, Vahid Machine Learning mit Python und Scikit-learn und TensorFlow das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics Machine learning Python (Computer program language) Data mining Data Mining Machine Learning Apprentissage automatique Python (Langage de programmation) Exploration de données (Informatique) |
| title | Machine Learning mit Python und Scikit-learn und TensorFlow das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics |
| title_auth | Machine Learning mit Python und Scikit-learn und TensorFlow das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics |
| title_exact_search | Machine Learning mit Python und Scikit-learn und TensorFlow das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics |
| title_full | Machine Learning mit Python und Scikit-learn und TensorFlow das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics Sebastian Raschka, Vahid Mirjalili ; Übersetzung aus dem Amerikanischen von Knut Lorenzen |
| title_fullStr | Machine Learning mit Python und Scikit-learn und TensorFlow das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics Sebastian Raschka, Vahid Mirjalili ; Übersetzung aus dem Amerikanischen von Knut Lorenzen |
| title_full_unstemmed | Machine Learning mit Python und Scikit-learn und TensorFlow das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics Sebastian Raschka, Vahid Mirjalili ; Übersetzung aus dem Amerikanischen von Knut Lorenzen |
| title_short | Machine Learning mit Python und Scikit-learn und TensorFlow |
| title_sort | machine learning mit python und scikit learn und tensorflow das umfassende praxis handbuch fur data science deep learning und predictive analytics |
| title_sub | das umfassende Praxis-Handbuch für Data Science, Deep Learning und Predictive Analytics |
| topic | Machine learning Python (Computer program language) Data mining Data Mining Machine Learning Apprentissage automatique Python (Langage de programmation) Exploration de données (Informatique) |
| topic_facet | Machine learning Python (Computer program language) Data mining Data Mining Machine Learning Apprentissage automatique Python (Langage de programmation) Exploration de données (Informatique) |
| work_keys_str_mv | AT raschkasebastian machinelearningmitpythonundscikitlearnundtensorflowdasumfassendepraxishandbuchfurdatasciencedeeplearningundpredictiveanalytics AT lorenzenknut machinelearningmitpythonundscikitlearnundtensorflowdasumfassendepraxishandbuchfurdatasciencedeeplearningundpredictiveanalytics AT mirjalilivahid machinelearningmitpythonundscikitlearnundtensorflowdasumfassendepraxishandbuchfurdatasciencedeeplearningundpredictiveanalytics |