• 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

Maschinelles Lernen und insbesondere Deep Learning haben in den letzten Jahren eindrucksvolle Durchbrüche erlebt. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses Standardwerk verwendet konkrete Beispiele, ein Minimum an Theorie und unmittelbar einsetzbare Python-Frameworks (Scikit-Learn, Keras und TensorFlow), um Ihnen ein intuitives Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme zu vermitteln.

In dieser aktualisierten 3. Auflage behandelt Aurélien Géron eine große Bandbreite von Techniken: von der einfachen linearen Regression bis hin zu Deep Neural Networks. Zahlreiche Codebeispiele und Übungen helfen Ihnen, das Gelernte praktisch umzusetzen. Sie benötigen lediglich etwas Programmiererfahrung, um direkt zu starten.

• Lernen Sie die Grundlagen des Machine Learning anhand eines umfangreichen Beispielprojekts mit Scikit-Learn
• Erkunden Sie zahlreiche Modelle, einschließlich Support Vector Machines, Entscheidungsbäume, Random Forests und Ensemble-Methoden
• Nutzen Sie unüberwachtes Lernen wie Dimensionsreduktion, Clustering und Anomalieerkennung
• Erstellen Sie neuronale Netzarchitekturen wie Convolutional Neural Networks, Recurrent Neural Networks, Generative Adversarial Networks, Autoencoder, Diffusionsmodelle und Transformer
• Verwenden Sie TensorFlow und Keras zum Erstellen und Trainieren neuronaler Netze für Computer Vision, Natural Language Processing, Deep Reinforcement Learning und generative Modelle

Autorentext
Aurélien Géron arbeitet als Consultant für Machine Learning. Als ehemaliger Mitarbeiter von Google hat er von 2013 bis 2016 das YouTube-Team zur Klassifikation von Videos geleitet. Er war Gründer und CTO von verschiedenen Unternehmen: von Wifirst, einem führenden Wireless ISP in Frankreich; von Polyconseil, einer Beratungsfirma mit Schwerpunkt auf Telekommunikation, Medien und Strategien; und von Kiwisoft, einem Consultingunternehmen mit Schwerpunkt auf Machine Learning und Datenschutz. Davor war er als Ingenieur in verschiedenen Bereichen tätig: Finanzen (JP Morgan und Société Générale), Verteidigung (das Department of Defense in Kanada) und Gesundheit (Bluttransfusionen). Er hat einige technische Bücher veröffentlicht (zu C++, WiFi und Internetarchitekturen) und war Dozent für Informatik in einer französischen Ingenieursschule. Sonstige wissenswerte Dinge: Er hat seinen drei Kindern beigebracht, mit den Fingern binär zu zählen (bis 1023), hat Mikrobiologie und Evolutionsgenetik studiert, bevor er sich der Softwareentwicklung zugewandt hat, und sein Fallschirm ging bei seinem zweiten Absprung nicht auf.

Klappentext

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
  Maschinelles Lernen und insbesondere Deep Learning haben in den letzten Jahren eindrucksvolle Durchbrüche erlebt. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses Standardwerk verwendet konkrete Beispiele, ein Minimum an Theorie und unmittelbar einsetzbare Python-Frameworks (Scikit-Learn, Keras und TensorFlow), um Ihnen ein intuitives Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme zu vermitteln.

In dieser aktualisierten 3. Auflage behandelt Aurélien Géron eine große Bandbreite von Techniken: von der einfachen linearen Regression bis hin zu Deep Neural Networks. Zahlreiche Codebeispiele und Übungen helfen Ihnen, das Gelernte praktisch umzusetzen. Sie benötigen lediglich etwas Programmiererfahrung, um direkt zu starten.

• Lernen Sie die Grundlagen des Machine Learning anhand eines umfangreichen Beispielprojekts mit Scikit-Learn
• Erkunden Sie zahlreiche Modelle, einschließlich Support Vector Machines, Entscheidungsbäume, Random Forests und Ensemble-Methoden
• Nutzen Sie unüberwachtes Lernen wie Dimensionsreduktion, Clustering und Anomalieerkennung
• Erstellen Sie neuronale Netzarchitekturen wie Convolutional Neural Networks, Recurrent Neural Networks, Generative Adversarial Networks, Autoencoder, Diffusionsmodelle und Transformer
• Verwenden Sie TensorFlow und Keras zum Erstellen und Trainieren neuronaler Netze für Computer Vision, Natural Language Processing, Deep Reinforcement Learning und generative Modelle