Notebook Intelligentes Laden


Download Notebook Intelligentes Laden PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Notebook Intelligentes Laden book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.

Download

Notebook


Notebook

Author: Günter Born

language: de

Publisher: Pearson Deutschland GmbH

Release Date: 2010


DOWNLOAD





Notebooks Bild für Bild


Notebooks Bild für Bild

Author: Olivier Pavie

language: de

Publisher: Pearson Deutschland GmbH

Release Date: 2004


DOWNLOAD





Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow


Praxiseinstieg Machine Learning mit Scikit-Learn, Keras und TensorFlow

Author: Aurélien Géron

language: de

Publisher: O'Reilly

Release Date: 2023-09-01


DOWNLOAD





Aktualisierte und erweiterte 3. Auflage des Bestsellers zu TensorFlow und Deep Learning Behandelt jetzt viele neue Features von Scikit-Learn sowie die Keras-Tuner-Bibliothek und die NLP-Bibliothek Transformers von Hugging Face Führt Sie methodisch geschickt in die Basics des Machine Learning mit Scikit-Learn ein und vermittelt darauf aufbauend Deep-Learning-Techniken mit Keras und TensorFlow Mit zahlreiche Übungen und Lösungen Durchbrüche beim Deep Learning haben das maschinelle Lernen in den letzten Jahren eindrucksvoll vorangebracht. Inzwischen können sogar Programmiererinnen und Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses praxisorientierte Buch, jetzt aktualisiert und nochmals erweitert, zeigt Ihnen wie. Mit konkreten Beispielen, einem Minimum an Theorie und unmittelbar anwendbaren Python-Frameworks – Scikit-Learn, Keras und TensorFlow – verhilft Ihnen Aurélien Géron zu einem intuitiven Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme. Sie lernen eine Vielzahl von Techniken kennen, beginnend mit einfacher linearer Regression bis hin zu Deep Neural Networks. Die in jedem Kapitel enthaltenen Übungen helfen Ihnen, das Gelernte in die Praxis umzusetzen. Um direkt zu starten, benötigen Sie lediglich etwas Programmiererfahrung.