Bücher / KI und ML

KI und ML

Alle Programmiersprachen 1843KI und ML 869Softwareentwicklung 594Algorithmen und Theorie 547Webentwicklung 462DevOps und Infrastruktur 330Sonstiges 257Cybersicherheit 232Betriebssystem und System 207Spieleentwicklung 187Datenbanken 157Eingebettete Systeme 150IT-Management 108
Alle Data Science 292Maschinelles Lernen 168LLM 126Neuronale Netzwerke 96Computer Vision 41ChatGPT 39TensorFlow 30PyTorch 22NLP 20MLOps 18Pandas 9KI-Agenten 1
Alle 2026 672025 1162024 1732023 1292022 552021 452020 672019 372018 312017 162016 212015 262014 72013 52012 32011 42010 12009 32008 22007 22000 11994 1
EN
Data Science für Dummies, 3. Auflage

Data Science für Dummies, 3. Auflage

A

Lillian Pierson

KI und ML
RU
Maschinelles Lernen auf Basis mathematischer Programmierungsaufgaben

Maschinelles Lernen auf Basis mathematischer Programmierungsaufgaben

A

P.F. TschernaWin, D.N. Gainanow, W.N. Pankraschtschenko, F.P. TschernaWin, N.P. TschernaWin

KI und ML
EN
Deep Learning: Ein visueller Ansatz

Deep Learning: Ein visueller Ansatz

A

Andrew Glassner

KI und ML
RU
Python für maschinelles Lernen: Klassisches und Deep Learning mit Python unter Verwendung von TensorFlow 2 und scikit-learn

Python für maschinelles Lernen: Klassisches und Deep Learning mit Python unter Verwendung von TensorFlow 2 und scikit-learn

A

Andreas Müller, Sara Guido

KI und ML
RU
Grundlagen der künstlichen Intelligenz: Ein nicht-technischer Einstieg

Grundlagen der künstlichen Intelligenz: Ein nicht-technischer Einstieg

A

Tom Taulli

KI und ML
RU
Künstliche Intelligenz Systeme

Künstliche Intelligenz Systeme

A

A. W. Ostrouch, N. E. Surkowa

KI und ML
RU
Künstliche Intelligenz Systeme. Neuronale Netzwerkmodellierung in MATLAB. Laborpraktikum

Künstliche Intelligenz Systeme. Neuronale Netzwerkmodellierung in MATLAB. Laborpraktikum

A

P. S. Romanow, I. P. Romanowa

KI und ML
RU
Streaming-Datenverarbeitung mit Apache Flink. Grundlagen der Entwicklung von Streaming-Anwendungen

Streaming-Datenverarbeitung mit Apache Flink. Grundlagen der Entwicklung von Streaming-Anwendungen

A

Fabian Weskamp, Vasiliki Kalavri

KI und ML
RU
Umfassender Leitfaden zu DAX: Business Analytics mit Microsoft Power BI, SQL Server Analysis Services und Excel

Umfassender Leitfaden zu DAX: Business Analytics mit Microsoft Power BI, SQL Server Analysis Services und Excel

A

Marco Russo, Alberto Ferrari

KI und ML
RU
Grundlagen der künstlichen Intelligenz anhand von Beispielen in Python. Selbstlernkurs

Grundlagen der künstlichen Intelligenz anhand von Beispielen in Python. Selbstlernkurs

A

Anatoli Postolit

KI und ML
RU
Zuverlässigkeit neuronaler Netze: Stärkung der Widerstandsfähigkeit von KI gegen Täuschung

Zuverlässigkeit neuronaler Netze: Stärkung der Widerstandsfähigkeit von KI gegen Täuschung

A

Katie Warr

KI und ML
RU
Computer Vision mit Python. Erste Schritte

Computer Vision mit Python. Erste Schritte

A

E. D. Shakiryanov

KI und ML
RU
Maschinelles Lernen in Elastic Stack

Maschinelles Lernen in Elastic Stack

A

Rich Collier, Camilla Montonen, Bahaaaldin Azarmi

KI und ML
RU
Data Mining mit Python

Data Mining mit Python

B

Demidowa L. A.

KI und ML
RU
Analytik in Power BI mit R und Python. Laden, Transformieren und Visualisieren von Daten.

Analytik in Power BI mit R und Python. Laden, Transformieren und Visualisieren von Daten.

A

Ryan Wade

KI und ML
RU
Datenanalyse in Wissenschaft und Technik. Maschinelles Lernen, dynamische Systeme und Steuerung

Datenanalyse in Wissenschaft und Technik. Maschinelles Lernen, dynamische Systeme und Steuerung

A

Stephen L. Branton, J. Nathan Kutz

KI und ML
EN
Python und R für den modernen Data Scientist: Das Beste aus beiden Welten

Python und R für den modernen Data Scientist: Das Beste aus beiden Welten

A

Rick J. Scavetta, Boyan Angelov

KI und ML
EN
Einführung in Python® für Informatik und Data Science: Programmieren lernen mit KI, Big Data und der Cloud

Einführung in Python® für Informatik und Data Science: Programmieren lernen mit KI, Big Data und der Cloud

A

Paul Deitel & Harvey Deitel

KI und ML
EN
NumPy für Anfänger: Ihre ersten Schritte in Data Science mit Python

NumPy für Anfänger: Ihre ersten Schritte in Data Science mit Python

B

AI Publishing

KI und ML
EN
Fortschritt in der Analytik: Von Excel zu Python und R

Fortschritt in der Analytik: Von Excel zu Python und R

A

George Mount

KI und ML
EN
Conversational AI mit Rasa: KI-gestützte, unternehmensfähige virtuelle Assistenten und Chatbots entwickeln, testen und bereitstellen

Conversational AI mit Rasa: KI-gestützte, unternehmensfähige virtuelle Assistenten und Chatbots entwickeln, testen und bereitstellen

A

Xiaoquan Kong, Guan Wang

KI und ML
EN
SQL für Datenanalyse: Fortgeschrittene Techniken zur Transformation von Daten in Erkenntnisse

SQL für Datenanalyse: Fortgeschrittene Techniken zur Transformation von Daten in Erkenntnisse

A

Cathy Tanimura

KI und ML
RU
Python für alle. Datenverarbeitung mit Python 3

Python für alle. Datenverarbeitung mit Python 3

A

Charles R. Severance

KI und ML
EN
Maschinelles Lernen und Data Mining für aufkommende Trends in der Cyber-Dynamik: Theorien und Anwendungen

Maschinelles Lernen und Data Mining für aufkommende Trends in der Cyber-Dynamik: Theorien und Anwendungen

A

Haruna Chiroma, Shafi’i M. Abdulhamid, Philippe Fournier-Viger, Nuno M. Garcia (Editors)

KI und ML
RU
JavaScript für Deep Learning mit TensorFlow.js

JavaScript für Deep Learning mit TensorFlow.js

A

François Chollet, Eric Nielson, Stan Bileschi, Shengqing Cai

KI und ML
EN
Deep Learning mit PyTorch Schritt für Schritt: Ein Leitfaden für Anfänger

Deep Learning mit PyTorch Schritt für Schritt: Ein Leitfaden für Anfänger

A

Daniel Voigt Godoy

KI und ML
EN
Machine-Learning-Modelle in Produktion bringen: Mit Flask, Streamlit, Docker und Kubernetes auf der Google Cloud Platform

Machine-Learning-Modelle in Produktion bringen: Mit Flask, Streamlit, Docker und Kubernetes auf der Google Cloud Platform

A

Pramod Singh

KI und ML
RU
Data Science. Data Science von Grund auf

Data Science. Data Science von Grund auf

A

Joel Grus

KI und ML
EN
Maschinelles Lernen mit Python für Anfänger: Eine Schritt-für-Schritt-Anleitung mit praktischen Projekten

Maschinelles Lernen mit Python für Anfänger: Eine Schritt-für-Schritt-Anleitung mit praktischen Projekten

A

Jamie Chan

KI und ML
EN
Big Data mit Hadoop und Hive

Big Data mit Hadoop und Hive

A

Nitin Kumar

KI und ML
RU
Apache Airflow und Datenverarbeitungspipelines

Apache Airflow und Datenverarbeitungspipelines

A

Bas Harenslak, Julian de Ruiter

KI und ML
RU
Deep Learning: Einfache Projektentwicklung mit Python

Deep Learning: Einfache Projektentwicklung mit Python

A

Seth Weidman

KI und ML
RU
Data Science für Karrieristen

Data Science für Karrieristen

A

Nolis Jacqueline, Robinson Emily

KI und ML
RU
Entwicklung von Machine-Learning-Pipelines. Automatisierung von Modelllebenszyklen mit TensorFlow

Entwicklung von Machine-Learning-Pipelines. Automatisierung von Modelllebenszyklen mit TensorFlow

A

Hapke H., Nelson K.

KI und ML
RU
Generatives Deep Learning. Das kreative Potenzial neuronaler Netze

Generatives Deep Learning. Das kreative Potenzial neuronaler Netze

A

Foster David

KI und ML
EN
Deep Learning veranschaulicht: Ein visueller, interaktiver Leitfaden für künstliche Intelligenz

Deep Learning veranschaulicht: Ein visueller, interaktiver Leitfaden für künstliche Intelligenz

A

Jon Krohn, Grant Beyleveld, Aglaé Bassens

KI und ML
RU
Maschinelles Lernen für algorithmischen Handel an Finanzmärkten. Praktikum

Maschinelles Lernen für algorithmischen Handel an Finanzmärkten. Praktikum

A

Stefan Jansen

KI und ML
RU
Maschinelles Lernen mit R. Experten-Techniken für die prädiktive Analyse

Maschinelles Lernen mit R. Experten-Techniken für die prädiktive Analyse

A

Brett Lantz

KI und ML
EN
Mastering Machine Learning Algorithms, zweite Ausgabe

Mastering Machine Learning Algorithms, zweite Ausgabe

A

Giuseppe Bonaccorso

KI und ML
RU
Deep Learning mit Python. Die Bibliotheken Keras und TensorFlow

Deep Learning mit Python. Die Bibliotheken Keras und TensorFlow

A

François Chollet

KI und ML
EN
Data Teams: Ein einheitliches Managementmodell für erfolgreiche datenorientierte Teams

Data Teams: Ein einheitliches Managementmodell für erfolgreiche datenorientierte Teams

A

Jesse Anderson

KI und ML
RU
Deep Learning ohne Mathematik. Band 2. Praxis

Deep Learning ohne Mathematik. Band 2. Praxis

A

Andrew Glassner

KI und ML
RU
Deep Learning in Biologie und Medizin

Deep Learning in Biologie und Medizin

A

Bharat Ramsundar, Peter Eastman, Patrick Walters, Vijay Pande

KI und ML
RU
Evolutionäre neuronale Netze in Python

Evolutionäre neuronale Netze in Python

A

Jaroslaw Omeljanenko

KI und ML
RU
Python und Datenanalyse. Primäre Datenverarbeitung mit pandas, NumPy und IPython

Python und Datenanalyse. Primäre Datenverarbeitung mit pandas, NumPy und IPython

A

Wes McKinney

KI und ML
RU
Deep Learning für Dummies

Deep Learning für Dummies

A

John Paul Mueller, Luca Massaron

KI und ML
EN
Praktische Verarbeitung natürlicher Sprache: Ein umfassender Leitfaden zum Aufbau von NLP-Systemen für die reale Welt

Praktische Verarbeitung natürlicher Sprache: Ein umfassender Leitfaden zum Aufbau von NLP-Systemen für die reale Welt

A

Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, Harshit Surana

KI und ML
EN
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

A

Pramod Singh, Avinash Manure

KI und ML
EN
Praktisches Maschinelles Lernen mit Rust: Erstellen intelligenter Anwendungen in Rust

Praktisches Maschinelles Lernen mit Rust: Erstellen intelligenter Anwendungen in Rust

A

Joydeep Bhattacharjee

KI und ML
RU
Einführung in Deep Learning

Einführung in Deep Learning

A

Eugen Tschernjak

KI und ML
← 1011121314 →

PDF-Qualitätswert:

A Ausgezeichnet — kopierbarer Text, Inhaltsverzeichnis, Metadaten B Gut — Text vorhanden, einige Daten fehlen C Durchschnittlich — Text teilweise extrahierbar D Schlecht — höchstwahrscheinlich ein Scan F Scan ohne OCR — Text kann nicht extrahiert werden