• Bücher
  • KI und ML
  • TensorFlow
  • Praktisches Maschinelles Lernen mit Scikit-Learn, Keras & TensorFlow: Konzepte, Tools und Techniken zum Aufbau intelligenter Systeme
Praktisches Maschinelles Lernen mit Scikit-Learn, Keras & TensorFlow: Konzepte, Tools und Techniken zum Aufbau intelligenter Systeme
A

Praktisches Maschinelles Lernen mit Scikit-Learn, Keras & TensorFlow: Konzepte, Tools und Techniken zum Aufbau intelligenter Systeme

TensorFlow
machine learning Scikit-learn Keras TensorFlow deep learning neural networks Python
Autor
Aurélien Géron
Verlag
O’Reilly Media, Inc.
Jahr
2022
Sprache
Englisch
55
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Praktisches Maschinelles Lernen mit Scikit-Learn und PyTorch: Konzepte, Werkzeuge und Techniken zum Aufbau intelligenter Systeme

Praktisches Maschinelles Lernen mit Scikit-Learn und PyTorch: Konzepte, Werkzeuge und Techniken zum Aufbau intelligenter Systeme

Aurélien Géron

Neuronale Netze mit TensorFlow und Keras: Training, Generative Modelle und Reinforcement Learning

Neuronale Netze mit TensorFlow und Keras: Training, Generative Modelle und Reinforcement Learning

Philip Hua

Maschinelle Lernalgorithmen mit Scikit- und TensorFlow-Umgebungen

Maschinelle Lernalgorithmen mit Scikit- und TensorFlow-Umgebungen

Puvvadi Baby Maruthi, Smrity Prasad, Amit Kumar Tyagi

Machine Learning und Data Science Blaupausen für Finanzen: Vom Aufbau von Handelsstrategien bis zu Robo-Advisors mit Python

Machine Learning und Data Science Blaupausen für Finanzen: Vom Aufbau von Handelsstrategien bis zu Robo-Advisors mit Python

Hariom Tatsat, Sahil Puri, Brad Lookabaugh

Ultimatives Maschinelles Lernen mit Scikit-Learn: Entfesseln Sie die Kraft von Scikit-Learn und Python, um hochmoderne Predictive-Modeling-Anwendungen zu erstellen und tiefere Einblicke in das maschinelle Lernen zu gewinnen

Ultimatives Maschinelles Lernen mit Scikit-Learn: Entfesseln Sie die Kraft von Scikit-Learn und Python, um hochmoderne Predictive-Modeling-Anwendungen zu erstellen und tiefere Einblicke in das maschinelle Lernen zu gewinnen

Parag Saxena

Erstellung von Machine-Learning-Pipelines: Automatisierung von Modelllebenszyklen mit TensorFlow

Erstellung von Machine-Learning-Pipelines: Automatisierung von Modelllebenszyklen mit TensorFlow

Hannes Hapke, Catherine Nelson

TensorFlow 2.0 lernen: Implementierung von Machine-Learning- und Deep-Learning-Modellen mit Python

TensorFlow 2.0 lernen: Implementierung von Machine-Learning- und Deep-Learning-Modellen mit Python

Pramod Singh, Avinash Manure

Praktische Einführung in Generative KI mit Transformern und Diffusionsmodellen

Praktische Einführung in Generative KI mit Transformern und Diffusionsmodellen

Omar Sanseviero, Pedro Cuenca, Apolinário Passos, Jonathan Whitaker

Deep Learning für Finanzen: Erstellung von Machine- und Deep-Learning-Modellen für den Handel in Python

Deep Learning für Finanzen: Erstellung von Machine- und Deep-Learning-Modellen für den Handel in Python

Sofien Kaabar