Praxisbuch Unsupervised Learning
Machine-Learning-Anwendungen für ungelabelte Daten mit Python programmieren
Seiten
2020
|
1. Auflage
O'Reilly (Verlag)
978-3-96009-127-1 (ISBN)
O'Reilly (Verlag)
978-3-96009-127-1 (ISBN)
- Unüberwachtes Lernen könnte der Schlüssel zu einer umfassenderen künstlichen Intelligenz sein
- Voller praktischer Techniken für die Arbeit mit ungelabelten Daten, verständlich geschrieben und mit unkomplizierten Python-Beispielen
- Verwendet Scikit-learn, TensorFlow und Keras
Ein Großteil der weltweit verfügbaren Daten ist ungelabelt. Auf diese nicht klassifizierten Daten lassen sich die Techniken des überwachten Lernens, die im Machine Learning viel genutzt werden, nicht anwenden. Dagegen kann das unüberwachte Lernen - auch Unsupervised Learning genannt - für ungelabelte Datensätze eingesetzt werden, um aussagekräftige Muster zu entdecken, die tief in den Daten verborgen sind - Muster, die für den Menschen fast unmöglich zu entdecken sind.
Wie Data Scientists unüberwachtes Lernen für ihre Daten nutzen können, zeigt Ankur Patel in diesem Buch anhand konkreter Beispiele, die sich schnell und effektiv umsetzen lassen. Sie erfahren, wie Sie schwer zu findende Muster in Daten herausarbeiten und dadurch z.B. tiefere Einblicke in Geschäftsprozesse gewinnen. Sie lernen auch, wie Sie Anomalien erkennen, automatisches Feature Engineering durchführen oder synthetische Datensätze generieren.
- Vergleichen Sie die Stärken und Schwächen der verschiedenen Ansätze des Machine Learning: Supervised, Unsupervised und Reinforcement Learning
- Richten Sie ein Machine-Learning-Projekt ein und verwalten Sie es
- Bauen Sie ein System für die Anomalieerkennung auf, um Kreditkartenbetrug zu erfassen
- Nutzen Sie Clustering-Algorithmen, um Benutzer in unterschiedliche und homogene Gruppen zusammenzufassen
- Führen Sie Semi-supervised Learning durch
- Entwickeln Sie Filmempfehlungssysteme mit eingeschränkten Boltzmann-Maschinen
- Generieren Sie synthetische Bilder mit Generative Adversarial Networks (GANs)
Ankur A. Patel ist Vice President Data Science bei 7Park Data, einem Portfolio-Unternehmen von Vista Equity Partners. Bei 7Park Data verwenden Ankur und sein Data-Science-Team alternative Daten, um Datenprodukte für Hedge-Fonds und Unternehmen sowie Machine Learning als Service (MLaaS) für Geschäftskunden zu entwickeln.
„Researchers, Data Scientists und Studenten werden dieses Buch schätzen. Es ist voller praktischer Techniken für das Unsupervised Learning, verständlich geschrieben und bietet unkomplizierte Python-Beispiele, die sich schnell und effektiv umsetzen lassen.“
— Sarah Nagy
Senior Data Scientist bei Edison
| Erscheinungsdatum | 09.04.2020 |
|---|---|
| Reihe/Serie | Animals |
| Übersetzer | Frank Langenau |
| Verlagsort | Heidelberg |
| Sprache | deutsch |
| Maße | 165 x 240 mm |
| Einbandart | kartoniert |
| Themenwelt | Informatik ► Datenbanken ► Data Warehouse / Data Mining |
| Mathematik / Informatik ► Informatik ► Programmiersprachen / -werkzeuge | |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Schlagworte | AI • Algorithmen • Artificial Intelligence • Data Science • Gans • Keras • KI • Künstliche Intelligenz • Künstliche Intelligenz • Maschinelles Lernen • ML • nicht gelabelt • supervised learning • tensorflow • überwachtes Lernen • unlabeled data • Unsupervised Learning • überwachtes Lernen |
| ISBN-10 | 3-96009-127-3 / 3960091273 |
| ISBN-13 | 978-3-96009-127-1 / 9783960091271 |
| Zustand | Neuware |
| Haben Sie eine Frage zum Produkt? |
Mehr entdecken
aus dem Bereich
aus dem Bereich
Datenanalyse für Künstliche Intelligenz
Buch | Softcover (2024)
De Gruyter Oldenbourg (Verlag)
CHF 104,90
Auswertung von Daten mit pandas, NumPy und IPython
Buch | Softcover (2023)
O'Reilly (Verlag)
CHF 62,85
