| Vorliegende Sprache |
ger |
| Hinweise auf parallele Ausgaben |
1782300864 Erscheint auch als (Druck-Ausgabe): ‡Schell, Uli: Maschinelles Lernen mit R |
| ISBN |
978-3-446-47165-8 |
| Name |
Schell, Uli ¬[VerfasserIn]¬ |
| Körperschaft |
Carl Hanser Verlag ¬[Verlag]¬ |
| T I T E L |
Maschinelles Lernen mit R |
| Zusatz zum Titel |
Daten aufbereiten und verarbeiten mit H2O und Keras |
| Verlagsort |
München |
| Verlag |
Hanser |
| Erscheinungsjahr |
[2022] |
| 2022 |
| Umfang |
1 Online-Ressource (XIV, 365 Seiten) : Illustrationen |
| Reihe |
Hanser eLibrary |
| Notiz / Fußnoten |
Literaturverzeichnis: Seite [349]-359 |
| Mit Online-Zugang zu Zusatzmaterialien. Bitte beachten Sie die hierzu vorliegenden Hinweise in der Publikation. |
| Titelhinweis |
Erscheint auch als (Druck-Ausgabe): ‡Schell, Uli: Maschinelles Lernen mit R |
| ISBN |
ISBN 978-3-446-47244-0 E-Book |
| Klassifikation |
006.31 |
| 005.55 |
| ST 301 |
| Kurzbeschreibung |
- Grundlagen und Beispiele - Daten visualisieren und analysieren - Lernergebnisse bewerten und übertragen - Mit vielen Beispielen in R zum Download unter plus.hanser-fachbuch.de - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Wie bringt man Computern das Lernen aus Daten bei? Diese praxisorientierte Einführung vermittelt anhand zahlreicher Beispiele die Grundlagen des maschinellen Lernens mit R, H2O und Keras. Sie werden in die Lage versetzt, den jeweils zielführenden Ansatz auszuwählen und auf eigene Fragestellungen wie Bild-Klassifizierung oder Vorhersagen anzuwenden. Da fehlerhafte Daten den Lernerfolg gefährden können, wird der Datenvorbereitung und -analyse besondere Aufmerksamkeit gewidmet. R stellt hierfür hochentwickelte und wissenschaftlich fundierte Analyse-Bibliotheken zur Verfügung, deren Funktionsweise und Anwendung gezeigt werden. Sie erfahren, für welche Anwendungsfälle statistische Verfahren wie Regression, Klassifikation, Faktoren-, Cluster- und Zeitreihenanalyse ausreichen und wann Sie besser mit neuronalen Netzen wie z. B. CNNs oder RNNs arbeiten sollten. Hier kommen das Framework H20 sowie Keras zum Einsatz. Anhand von Beispielen wird gezeigt, wie Sie Stolpersteine beim Lernvorgang analysieren oder von vornherein vermeiden können. Darüber hinaus erfahren Sie, unter welchen Umständen Sie die Ergebnisse des maschinellen Lernens weiterverwenden können und wie Sie dabei vorgehen. |
| 2. Kurzbeschreibung |
Prof. Dr. Uli Schell lehrt seit 1997 an der Hochschule Kaiserslautern. Er ist stellvertretender Direktor des „Chinesisch-Deutschen Kollegs für Intelligente Produktion“ an der Shanghai DianJi University sowie Leiter der Technischen Akademie Südwest Kaiserslautern. Zuvor war er Software-Entwickler und Methoden-Berater bei BBC und der SAP AG. |
| 1. Schlagwortkette |
Maschinelles Lernen |
| R <Programm> |
| ANZEIGE DER KETTE |
Maschinelles Lernen -- R |
| 2. Schlagwortkette |
Framework <Informatik> |
| Keras <Framework, Informatik> |
| ANZEIGE DER KETTE |
Framework -- Keras |
| SWB-Titel-Idn |
1788626095 |
| Signatur |
E-Book Hanser |
| Bemerkungen |
Elektronischer Volltext - Campuslizenz |
| Elektronische Adresse |
$uhttps://doi.org/10.3139/9783446472440 |
| Internetseite / Link |
Resolving-System |
| Siehe auch |
Resolving-System |
| Siehe auch |
Resolving-System |
| Siehe auch |
Verlag |
