Maschinelles Lernen: Grundlagen
A

Maschinelles Lernen: Grundlagen

Maschinelles Lernen
machine learning fundamentals probability theory Bayes theorem generalized linear models feature extraction overfitting
Autor
Sergej Nikolenko
Verlag
Peter
Jahr
2025
Sprache
Russisch
150
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Maschinelles Lernen ohne Umschweife

Maschinelles Lernen ohne Umschweife

Andrei Burkow

Mathematische Grundlagen des maschinellen Lernens und der Vorhersage

Mathematische Grundlagen des maschinellen Lernens und der Vorhersage

W. W. Wjugin

Deep Learning: Prinzipien und Konzepte

Deep Learning: Prinzipien und Konzepte

Christopher M. Bishop, Hugh Bishop

Probabilistisches maschinelles Lernen: Eine Einführung

Probabilistisches maschinelles Lernen: Eine Einführung

Kevin P. Murphy

Maschinelles Lernen. Die Wissenschaft und Kunst, Algorithmen zu entwickeln, die Wissen aus Daten extrahieren.

Maschinelles Lernen. Die Wissenschaft und Kunst, Algorithmen zu entwickeln, die Wissen aus Daten extrahieren.

Peter Flach

Deep Learning aus der Sicht eines Praktikers

Deep Learning aus der Sicht eines Praktikers

Josh Patterson, Adam Gibson

Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

Jeff Prosise

Maschinelles Lernen. Portfolio realer Projekte

Maschinelles Lernen. Portfolio realer Projekte

Alexei Grigorjew

Maschinelles Lernen: Algorithmen für Unternehmen

Maschinelles Lernen: Algorithmen für Unternehmen

Marcos López de Prado

Maschinelles Lernen: Grundlagen, Algorithmen und praktische Anwendung

Maschinelles Lernen: Grundlagen, Algorithmen und praktische Anwendung

Hier ist die Übersetzung ins Deutsche: Jeremy Watt, Reza Borhani, Aggelos K. Katsaggelos