Machine learning kurz gut (33 résultats)

Etat : very good. Gut/Very good: Buch bzw. Schutzumschlag mit wenigen Gebrauchsspuren an Einband, Schutzumschlag oder Seiten. / Describes a book or dust jacket that does show some signs of wear on either the binding, dust jacket or pages.

Etat : good. Befriedigend/Good: Durchschnittlich erhaltenes Buch bzw. Schutzumschlag mit Gebrauchsspuren, aber vollständigen Seiten. / Describes the average WORN book or dust jacket that has all the pages present.

Etat : as new. Wie neu/Like new.

Paperback. Etat : New.

paperback. Etat : New. Brand new book, sourced directly from publisher. Dispatch time is 9-10 days from our warehouse. Book will be sent in robust, secure packaging to ensure it reaches you securely.

PAP. Etat : New. New Book. Shipped from UK. Established seller since 2000.

Paperback. Etat : New. 1.

PAP. Etat : New. New Book. Shipped from UK. Established seller since 2000.

PAP. Etat : New. New Book. Shipped from UK. Established seller since 2000.

Perfect Paperback. Etat : Brand New. 256 pages. German language. 4.33x0.67x7.01 inches. In Stock.

Etat : As New. Unread book in perfect condition.

Etat : New.

Taschenbuch. Etat : Neu. Neuware - Der Bestseller zum Thema Machine Learning nutzt jetzt PyTorch als zentrales Framework Anhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung und Datenanalyse bis hin zur Visualisierung 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 Behandelt auch MLOps und Large Language Models wie ChatGPT Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des Machine Learning und der statistischen Datenanalyse. Dabei werden folgende Themen behandelt und mit praktischen Beispielen veranschaulicht: Datenvorbereitung, Feature-Auswahl, Modellvalidierung Supervised und Unsupervised Learning Neuronale Netze und Deep Learning LLMs - moderne Sprachmodelle MLOps - Machine Learning für die Praxis Anhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. In Jupyter Not Elektronisches Buch kannst du mit den Codebeispielen experimentieren. Sie basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy und PyTorch. Nach der Lektüre dieses Buchs hast du einen Überblick über das gesamte Thema und kannst Ansätze einordnen und bewerten. Das Buch vermittelt dir eine solide Grundlage, um erste eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen. 256 pp. Deutsch.…

Taschenbuch. Etat : Neu. Neuware - Der Bestseller zum Thema Machine Learning nutzt jetzt PyTorch als zentrales Framework Anhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung und Datenanalyse bis hin zur Visualisierung 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 Behandelt auch MLOps und Large Language Models wie ChatGPT Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des Machine Learning und der statistischen Datenanalyse. Dabei werden folgende Themen behandelt und mit praktischen Beispielen veranschaulicht: Datenvorbereitung, Feature-Auswahl, Modellvalidierung Supervised und Unsupervised Learning Neuronale Netze und Deep Learning LLMs - moderne Sprachmodelle MLOps - Machine Learning für die Praxis Anhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. In Jupyter Not Elektronisches Buch kannst du mit den Codebeispielen experimentieren. Sie basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy und PyTorch. Nach der Lektüre dieses Buchs hast du einen Überblick über das gesamte Thema und kannst Ansätze einordnen und bewerten. Das Buch vermittelt dir eine solide Grundlage, um erste eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen. 256 pp. Deutsch.…

Taschenbuch. Etat : Neu. Neuware - Die 3. Auflage des Bestsellers wurde ergänzt durch Kapitel zu Large Language Models wie ChatGPT und zu MLOps Anhand konkreter Datensätze lernst du 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 folgende Themen behandelt und mit praktischen Beispielen veranschaulicht: Datenvorbereitung, Feature-Auswahl, Modellvalidierung Supervised und Unsupervised Learning Neuronale Netze und Deep Learning Reinforcement Learning LLMs - moderne Sprachmodelle MLOps - Machine Learning für die Praxis Anhand von Beispieldatensätzen lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. Mit den Codebeispielen kannst du in Jupyter Not Elektronisches Buch experimentieren. Sie basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras. Nach der Lektüre dieses Buchs hast du einen Überblick über das gesamte Thema und kannst Ansätze einordnen und bewerten. Das Buch vermittelt dir eine solide Grundlage, um erste eigene Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen. 278 pp. Deutsch.…

Taschenbuch. Etat : Neu. Neuware - Die 3. Auflage des Bestsellers wurde ergänzt durch Kapitel zu Large Language Models wie ChatGPT und zu MLOps Anhand konkreter Datensätze lernst du 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 folgende Themen behandelt und mit praktischen Beispielen veranschaulicht: Datenvorbereitung, Feature-Auswahl, Modellvalidierung Supervised und Unsupervised Learning Neuronale Netze und Deep Learning Reinforcement Learning LLMs - moderne Sprachmodelle MLOps - Machine Learning für die Praxis Anhand von Beispieldatensätzen lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. Mit den Codebeispielen kannst du in Jupyter Not Elektronisches Buch experimentieren. Sie basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras. Nach der Lektüre dieses Buchs hast du einen Überblick über das gesamte Thema und kannst Ansätze einordnen und bewerten. Das Buch vermittelt dir eine solide Grundlage, um erste eigene Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen. 278 pp. Deutsch.…

Taschenbuch. Etat : Neu. Neuware -Der kompakte Schnelleinstieg in Machine Learning und Deep Learning.

Etat : Brand New. 280 pages. German language. 4.33x7.09x0.67 inches. In Stock.

Taschenbuch. Etat : Neu. Neuware - Der Bestseller zum Thema Machine Learning nutzt jetzt PyTorch als zentrales Framework Anhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung und Datenanalyse bis hin zur Visualisierung 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 Behandelt auch MLOps und Large Language Models wie ChatGPT Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des Machine Learning und der statistischen Datenanalyse. Dabei werden folgende Themen behandelt und mit praktischen Beispielen veranschaulicht: Datenvorbereitung, Feature-Auswahl, Modellvalidierung Supervised und Unsupervised Learning Neuronale Netze und Deep Learning LLMs - moderne Sprachmodelle MLOps - Machine Learning für die Praxis Anhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. In Jupyter Not Elektronisches Buch kannst du mit den Codebeispielen experimentieren. Sie basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy und PyTorch. Nach der Lektüre dieses Buchs hast du einen Überblick über das gesamte Thema und kannst Ansätze einordnen und bewerten. Das Buch vermittelt dir eine solide Grundlage, um erste eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen.…

Taschenbuch. Etat : Neu. Neuware - Die 3. Auflage des Bestsellers wurde ergänzt durch Kapitel zu Large Language Models wie ChatGPT und zu MLOps Anhand konkreter Datensätze lernst du 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 folgende Themen behandelt und mit praktischen Beispielen veranschaulicht: Datenvorbereitung, Feature-Auswahl, Modellvalidierung Supervised und Unsupervised Learning Neuronale Netze und Deep Learning Reinforcement Learning LLMs - moderne Sprachmodelle MLOps - Machine Learning für die Praxis Anhand von Beispieldatensätzen lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. Mit den Codebeispielen kannst du in Jupyter Not Elektronisches Buch experimentieren. Sie basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras. Nach der Lektüre dieses Buchs hast du einen Überblick über das gesamte Thema und kannst Ansätze einordnen und bewerten. Das Buch vermittelt dir eine solide Grundlage, um erste eigene Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen.…

Etat : New.

Etat : New.

Etat : New.

pocket_book. Etat : New.

Softcover/Taschenbuch. Etat : Neu. Jetzt zu PyTorch - die bew?hrte Kurzeinf?hrung in Machine Learning- Der Bestseller zum Thema Machine Learning nutzt jetzt PyTorch als zentrales Framework- Anhand konkreter Datens?tze lernst du einen typischen Workflow kennen: vom Datenimport ?ber Datenbereinigung und Datenanalyse bis hin zur Visualisierung- Nicht nur f?r zuk?nftige Data Scientists und ML-Profis geeignet, sondern durch seine durchdachte Didaktik auch f?r Interessierte, die nur am Rande mit ML zu tun haben, wie z.B. Softwareentwickler*innen- Behandelt auch MLOps und Large Language Models wie ChatGPT Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstm?gliche Einf?hrung in das umfangreiche Themengebiet des Machine Learning und der statistischen Datenanalyse. Dabei werden folgende Themen behandelt und mit praktischen Beispielen veranschaulicht:- Datenvorbereitung, Feature-Auswahl, Modellvalidierung- Supervised und Unsupervised Learning- Neuronale Netze und Deep Learning- LLMs - moderne Sprachmodelle- MLOps - Machine Learning f?r die PraxisAnhand konkreter Datens?tze lernst du einen typischen Workflow kennen: vom Datenimport ?ber Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. In Jupyter Notebooks kannst du mit den Codebeispielen experimentieren. Sie basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy und PyTorch.Nach der Lekt?re dieses Buchs hast du einen ?berblick ?ber das gesamte Thema und kannst Ans?tze einordnen und bewerten. Das Buch vermittelt dir eine solide Grundlage, um erste eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen. De Gewicht in Gramm: 233.…

Etat : As New. Unread book in perfect condition.

Taschenbuch. Etat : Neu. Neuware -Der kompakte Schnelleinstieg in Machine Learning und Deep Learningdpunkt.Verlag, Wieblinger Weg 17, 69123 Heidelberg 278 pp. Deutsch.

Taschenbuch. Etat : Neu. Neuware -Jetzt zu PyTorch - die bewährte Kurzeinführung in Machine Learning- Der Bestseller zum Thema Machine Learning nutzt jetzt PyTorch als zentrales Framework- Anhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung und Datenanalyse bis hin zur Visualisierung- 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- Behandelt auch MLOps und Large Language Models wie ChatGPT Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des Machine Learning und der statistischen Datenanalyse. Dabei werden folgende Themen behandelt und mit praktischen Beispielen veranschaulicht:- Datenvorbereitung, Feature-Auswahl, Modellvalidierung- Supervised und Unsupervised Learning- Neuronale Netze und Deep Learning- LLMs - moderne Sprachmodelle- MLOps - Machine Learning für die PraxisAnhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. In Jupyter Not Elektronisches Buch kannst du mit den Codebeispielen experimentieren. Sie basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy und PyTorch.Nach der Lektüre dieses Buchs hast du einen Überblick über das gesamte Thema und kannst Ansätze einordnen und bewerten. Das Buch vermittelt dir eine solide Grundlage, um erste eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen.dpunkt.verlag GmbH, Wieblinger Weg 17, 69123 Heidelberg 256 pp. Deutsch.…

Taschenbuch. Etat : Neu. Machine Learning - kurz & gut | Eine Einführung mit Python, Scikit-Learn und TensorFlow | Oliver Zeigermann (u. a.) | Taschenbuch | kurz & gut | 280 S. | Deutsch | 2024 | dpunkt.Verlag | EAN 9783960092360 | Verantwortliche Person für die EU: dpunkt.verlag GmbH, Vanessa Niethammer, Wieblinger Weg 17, 69123 Heidelberg, niethammer[at]dpunkt[dot]de | Anbieter: preigu.…

Taschenbuch. Etat : Neu. Machine Learning mit PyTorch - kurz & gut | Der kompakte Schnelleinstieg | Oliver Zeigermann (u. a.) | Taschenbuch | kurz & gut | 256 S. | Deutsch | 2026 | dpunkt.Verlag | EAN 9783960092964 | Verantwortliche Person für die EU: dpunkt.verlag GmbH, Vanessa Niethammer, Wieblinger Weg 17, 69123 Heidelberg, niethammer[at]dpunkt[dot]de | Anbieter: preigu. …