Produkt zum Begriff Machine Learning:
-
Grundkurs Machine Learning (Wilmott, Paul)
Grundkurs Machine Learning , Maschinelles Lernen - alle Grundlagen! Paul Wilmott ist für seine erhellende und unterhaltsame Darstellung angewandter Mathematik bekannt. Von der linearen Regression bis zu Neuronalen Netzwerken führt er Sie durch alle Verfahren, und zwar komplett Software-unabhängig. Der Vorteil dabei: Jeder Schritt ist schwarz auf weiß zu sehen, kein Framework kann etwas "verstecken", es geht immer um die Sache selbst. Mit vielen Beispielen, Grafiken und Schritt-für-Schritt-Kästen. Für alle, die wirklich verstehen wollen, wie Maschinen lernen. Aus dem Inhalt: Lineare Regression k-Nearest Neighbors Naive Bayes-Klassifikatoren k-Means-Algorithmus Support Vector Machines Logistische Regression Selbstorganisierende Karten Entscheidungsbäume Reinforcement Learning Neuronale Netze , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen , Erscheinungsjahr: 20200724, Produktform: Kartoniert, Titel der Reihe: Rheinwerk Computing##, Autoren: Wilmott, Paul, Seitenzahl/Blattzahl: 256, Themenüberschrift: COMPUTERS / General, Keyword: Hand-Buch Bücher lernen Studium Grundlagen Kurse Workshops Tutorials Wissen Anleitung Training Ausbildung; Robotik; Informatik verstehen; Programmierung programmieren; KI-Welt AI; Künstliche Intelligenz; Software-Entwicklung; Coder Coden; Neuronale Netze; Deep Learning; Mathematik, Fachschema: Informatik~Programmiersprachen~EDV / Theorie / Allgemeines, Fachkategorie: Informatik~Informationstechnik (IT), allgemeine Themen, Sprache: Deutsch, Fachkategorie: Programmier- und Skriptsprachen, allgemein, Thema: Verstehen, Text Sprache: ger, Verlag: Rheinwerk Verlag GmbH, Verlag: Rheinwerk Verlag GmbH, Breite: 175, Höhe: 17, Gewicht: 480, Produktform: Klappenbroschur, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Herkunftsland: DEUTSCHLAND (DE), Katalog: deutschsprachige Titel, Katalog: Gesamtkatalog, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0006, Tendenz: -1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel, WolkenId: 2327150
Preis: 29.90 € | Versand*: 0 € -
Grunert, Philipp: Machine Learning und Neuronale Netze
Machine Learning und Neuronale Netze , Dieses Buch richtet sich sowohl an Softwareentwickler als auch Programmiereinsteiger und bietet eine fundierte Einführung in Machine Learning und Neuronale Netze . Alle notwendigen Grundlagen werden erklärt: Mathematisches Hintergrundwissen, Vorhersagemodelle, Programmiergrundlagen in Python . Fundierte Erklärungen zu ML und Neuronalen Netzen anhand vieler Beispiele . Zahlreiche Übungsaufgaben helfen das Erlernte zu festigen und selbst anzuwenden . Zielgruppe: Softwareentwickler, Programmierer, Mathematiker . Platzierung: Softwareentwicklung/Programmierung, Künstliche Intelligenz , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 26.99 € | Versand*: 0 € -
Bartok, Larissa: Anwendung statistischer und Machine-Learning-Methoden für Fragestellungen zu Studienerfolg
Anwendung statistischer und Machine-Learning-Methoden für Fragestellungen zu Studienerfolg , Analytics-Instrumente können dabei helfen, mehr über den Lern- und Studienerfolg von Studierenden herauszufinden und geeignete Maßnahmen zur Unterstützung von Studierenden abzuleiten. Zwei Projekte, die sich Fragen zum Thema Studienerfolg widmen, wurden vom österreichischen BMBWF im Rahmen der Ausschreibung "Digitale und soziale Transformation in der Hochschulbildung" kofinanziert. Die beiden Projekte "Learning Analytics- Studierende im Fokus" und "PASSt - Predictive Analytics Services für Studienerfolgsmanagement" fokussieren auf unterschiedliche Handlungsfelder und wurden zur Generierung von Synergieeffekten konzeptionell verzahnt, indem generische Herausforderungen gemeinsam bearbeitet und Lessons-Learned diskutiert wurden. Die Erkenntnisse der gemeinsamen Arbeitsgruppe mündeten in diese Arbeit, die Rahmen- und Gelingensbedingungen von Analytics-Projekten thematisiert, und anhand von exemplarischen Anwendungsszenarien eine Unterstützung bei der Implementierung bieten kann. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 27.90 € | 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 €
-
Welchen Abschluss benötigt man, um eine Machine Learning Engineerin zu werden?
Um eine Machine Learning Engineerin zu werden, benötigt man in der Regel einen Bachelor- oder Masterabschluss in Informatik, Mathematik, Statistik oder einem ähnlichen Fachgebiet. Zusätzlich ist es von Vorteil, Erfahrungen in den Bereichen Datenanalyse, Programmierung und maschinelles Lernen zu haben. Es gibt jedoch auch alternative Bildungswege, wie zum Beispiel Bootcamps oder Online-Kurse, die praktische Kenntnisse in Machine Learning vermitteln können.
-
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.
-
Was sind die verschiedenen Anwendungen von Machine Learning in der heutigen Technologieindustrie?
Machine Learning wird in der heutigen Technologieindustrie für die personalisierte Werbung, die Bild- und Spracherkennung sowie für die Betrugserkennung und -prävention eingesetzt. Es wird auch für die automatisierte Übersetzung, die Gesichtserkennung und die Empfehlungssysteme verwendet. Zudem findet Machine Learning Anwendung in der medizinischen Diagnose, der autonomen Fahrzeugtechnologie und der Finanzanalyse.
-
Was sind die gängigsten Anwendungsbereiche von Machine Learning in der heutigen Technologiebranche?
Die gängigsten Anwendungsbereiche von Machine Learning in der Technologiebranche sind Personalisierung von Inhalten und Empfehlungssysteme, Betrugserkennung und Sicherheit sowie Prognoseanalysen und Optimierung von Geschäftsprozessen. Machine Learning wird auch für Bild- und Spracherkennung, medizinische Diagnosen und autonome Fahrzeuge eingesetzt. Insgesamt wird Machine Learning in vielen Bereichen eingesetzt, um Daten zu analysieren, Muster zu erkennen und Vorhersagen zu treffen.
Ähnliche Suchbegriffe für Machine Learning:
-
Knopp, Maurice: IT-Freelancer
IT-Freelancer , Der Einstieg in die Selbstständigkeit bringt viele Vor- und auch einige Nachteile mit sich - besonders in der IT-Branche ist der Reiz groß, als Consultant flexibel zu arbeiten und sich die spannendsten Projekte herauszusuchen. Willst du den Schritt wagen?Der Start in die ersten Projekte als IT-Freelancer wirkt erstmal überwältigend: Erfülle ich überhaupt alle Voraussetzungen, um loslegen zu können? Was muss ich jetzt ganz konkret wissen? Welche Projekte sind spannend für mich? Und wie akquiriere ich meine ersten Kunden? Antworten auf all diese Fragen liefert Maurice Knopp, der seine langjährige Berufserfahrung als IT-Consultant und Softwareentwickler in diesem Buch teilt. Hier bekommst du praxisorientiert und für den Arbeitsalltag optimiert Tools und Tipps für die Durchführung deines ersten Projekts sowie Hinweise für die nachhaltige Planung deiner Selbstständigkeit in der Zukunft. Starte jetzt in das Abenteuer Freelance! Aus dem Inhalt: Passt die Freiberuflichkeit zu dir? Das Berufsbild des IT-Freiberuflers IT-Projekttypen im Überblick Sichtbarkeit in Businessnetzwerken Projektauswahl und -bewerbung Das Steuer-Setup Einarbeitung - die ersten Wochen im Projekt Hardware- und Softwaresetup Weiterbildung und Persönlichkeitsentwicklung Gezielter Einsatz von KI-Tools zur Arbeitserleichterung Rechtliches und (Alters-)Vorsorge , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 34.90 € | Versand*: 0 € -
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 € -
Digital Teaching and Learning in Higher Education
Digital Teaching and Learning in Higher Education , Digital collaboration has been established in higher education for many years. But when the Covid-19 pandemic struck, digital learning and virtual mobility became of utmost importance for higher education. In the international project »Digital and International Virtual Academic Cooperation« (DIVA), scholars from Israel, Australia, and Germany focused on intercultural learning and online collaboration. Based on their findings, they show how digital arrangements can be used in higher education, how digital teaching can be theorized, and what potential can be gained for post-pandemic teaching. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen , Erscheinungsjahr: 202311, Produktform: Kartoniert, Beilage: Kt, Titel der Reihe: Pädagogik (Transcript Verlag)##, Redaktion: Böhmer, Anselm~Schwab, Götz~Isso, Illie, Seitenzahl/Blattzahl: 182, Abbildungen: 16 SW-Abbildungen, Themenüberschrift: EDUCATION / Organizations & Institutions, Keyword: Culture; Digital Learning; Digital Media; Education; Educational Research; Interculturalism; Internet; Language; Linguistics; Pedagogy; Social Issues; University, Fachschema: Bildungssystem~Bildungswesen~Cultural Studies~Kulturwissenschaften~Wissenschaft / Kulturwissenschaften~Internet / Politik, Gesellschaft~Pädagogik / Theorie, Philosophie, Anthropologie~Studium~E-Learning~Lernen / E-Learning~Populärkultur~Trivialkultur, Fachkategorie: Bildungssysteme und -strukturen~Pädagogik: Theorie und Philosopie~Bildungswesen: Organisation und Verwaltung~Hochschulbildung, Fort- und Weiterbildung~Lehrmittel, Lerntechnologien, E-Learning~Populäre Kultur, Warengruppe: TB/Bildungswesen (Schule/Hochschule), Fachkategorie: Medienwissenschaften: Internet, digitale Medien und Gesellschaft, Thema: Verstehen, Text Sprache: eng, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Verlag: Transcript Verlag, Verlag: Transcript Verlag, Verlag: Gost, Roswitha, u. Karin Werner, Produktverfügbarkeit: 02, Länge: 225, Breite: 148, Gewicht: 318, Produktform: Kartoniert, Genre: Sozialwissenschaften/Recht/Wirtschaft, Genre: Sozialwissenschaften/Recht/Wirtschaft, Herkunftsland: DEUTSCHLAND (DE), Katalog: Gesamtkatalog, Katalog: Internationale Lagertitel, Katalog: internationale Titel, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0010, Tendenz: +1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Lagerartikel, Unterkatalog: Taschenbuch, WolkenId: 2871966
Preis: 26.14 € | Versand*: 0 € -
School Development, Teacher Training, and Digital Learning Contexts
School Development, Teacher Training, and Digital Learning Contexts , This book summarizes the results of a multimethod project on school development performed during the COVID-19 pandemic. It combines innovative theoretical approaches and findings as well as long-term online research activities in which student assessments delivered the bases for adaptive teacher trainings. The theoretical foundations relate to sustainable conditions of classroom and school development, an approach to personality development, and a focus on instructional coherence. Empirical findings concern the development of learning-strategy use and classroom needs over time as well as a model for effective teacher education and related course evaluations. A further research area concerns advanced perspectives from digital-learning research, such as the effects of social media in classrooms, mixed and virtual learning materials, computer-based collaborative learning, and innovative interventions in media research. The book is aimed at researchers, teacher trainers, instructional designers, and practitioners in the field of school development as well as teacher education. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 34.90 € | Versand*: 0 €
-
Was sind die grundlegenden Anwendungen von Machine Learning in der heutigen Technologie?
Die grundlegenden Anwendungen von Machine Learning in der heutigen Technologie sind die Personalisierung von Diensten und Produktempfehlungen, die Vorhersage von Trends und Verhaltensweisen sowie die Automatisierung von Prozessen und Entscheidungsfindungen. Machine Learning wird auch in der Bild- und Spracherkennung, medizinischen Diagnosen und autonomem Fahren eingesetzt. Es ermöglicht Unternehmen, Daten effizient zu analysieren und Muster zu identifizieren, um fundierte Entscheidungen zu treffen und Innovationen voranzutreiben.
-
Wie revolutioniert Machine Learning die Art und Weise, wie wir Daten analysieren und Muster erkennen?
Machine Learning ermöglicht es, große Mengen von Daten automatisch zu analysieren und Muster zu erkennen, die für menschliche Analysten schwer zu erkennen wären. Durch den Einsatz von Algorithmen kann Machine Learning komplexe Zusammenhänge in den Daten identifizieren und Vorhersagen treffen. Dies revolutioniert die Art und Weise, wie wir Daten analysieren, indem es schneller, effizienter und präziser ist als herkömmliche Methoden.
-
Was sind die Schlüsselfaktoren für den Erfolg von Machine Learning-Algorithmen in der heutigen datengetriebenen Welt?
Die Qualität und Menge der Trainingsdaten sind entscheidend für den Erfolg von Machine Learning-Algorithmen. Ein guter Algorithmus, der die Daten effizient verarbeiten kann, ist ebenfalls wichtig. Zudem spielt die kontinuierliche Optimierung und Anpassung der Algorithmen an neue Daten eine entscheidende Rolle.
-
Was sind die verschiedenen Anwendungen von Machine Learning in der heutigen Gesellschaft und wie beeinflussen sie unser tägliches Leben?
Machine Learning wird in der Medizin verwendet, um Krankheiten zu diagnostizieren und Behandlungspläne zu erstellen. In der Finanzbranche hilft es bei der Betrugsprävention und der Risikobewertung. Im Alltag beeinflusst es unser Leben durch personalisierte Werbung, Empfehlungssysteme und Spracherkennungstechnologien.
* 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.