Bücher / KI und ML

KI und ML

Alle Programmiersprachen 1299KI und ML 661Algorithmen und Theorie 472Softwareentwicklung 391Webentwicklung 334DevOps und Infrastruktur 233Cybersicherheit 218Datenbanken 144Betriebssystem und System 143Spieleentwicklung 122Eingebettete Systeme 122Sonstiges 109IT-Management 100
Alle Data Science 209Maschinelles Lernen 133Neuronale Netzwerke 87LLM 85ChatGPT 31TensorFlow 27Computer Vision 24PyTorch 19MLOps 17NLP 12Pandas 9KI-Agenten 1
EN
Python-Tools für Data Scientists: Taschenprimer

Python-Tools für Data Scientists: Taschenprimer

A

Oswald Campesato

KI und ML
EN
Deep Learning für die Erkennung rissartiger Objekte

Deep Learning für die Erkennung rissartiger Objekte

A

Kaige Zhang, Heng-Da Cheng

KI und ML
EN
Generative KI mit LangChain: Erstellen Sie große Sprachmodell-Apps mit Python, ChatGPT und anderen LLMs

Generative KI mit LangChain: Erstellen Sie große Sprachmodell-Apps mit Python, ChatGPT und anderen LLMs

A

Ben Auffarth

KI und ML
EN
Verständnis großer Sprachmodelle: Lernen ihrer zugrunde liegenden Konzepte und Technologien

Verständnis großer Sprachmodelle: Lernen ihrer zugrunde liegenden Konzepte und Technologien

A

Thimira Amaratunga

KI und ML
EN
Pro Deep Learning mit TensorFlow 2.0: Ein mathematischer Ansatz für fortgeschrittene künstliche Intelligenz in Python

Pro Deep Learning mit TensorFlow 2.0: Ein mathematischer Ansatz für fortgeschrittene künstliche Intelligenz in Python

A

Santanu Pattanayak

KI und ML
EN
MLOps-Lebenszyklus-Toolkit: Ein Software-Engineering-Fahrplan für das Design, die Bereitstellung und Skalierung stochastischer Systeme

MLOps-Lebenszyklus-Toolkit: Ein Software-Engineering-Fahrplan für das Design, die Bereitstellung und Skalierung stochastischer Systeme

A

Dayne Sorvisto

KI und ML
EN
Einführung in Streamlit mit Python: Web-basierte Daten- und Machine-Learning-Anwendungen entwickeln

Einführung in Streamlit mit Python: Web-basierte Daten- und Machine-Learning-Anwendungen entwickeln

B

Sujay Raghavendra

KI und ML
EN
Entwicklung von Computer-Vision-Anwendungen mit künstlichen neuronalen Netzen: Mit Beispielen in OpenCV und TensorFlow mit Python, Zweite Auflage

Entwicklung von Computer-Vision-Anwendungen mit künstlichen neuronalen Netzen: Mit Beispielen in OpenCV und TensorFlow mit Python, Zweite Auflage

A

Shamshad Ansari

KI und ML
EN
Analytics Engineering mit SQL und dbt: Sinnvolle Datenmodelle im großen Maßstab erstellen

Analytics Engineering mit SQL und dbt: Sinnvolle Datenmodelle im großen Maßstab erstellen

A

Rui Machado, Hélder Russa

KI und ML
EN
Maschinelles Lernen für unausgeglichene Daten: Umgang mit unausgeglichenen Datensätzen mithilfe von Machine-Learning- und Deep-Learning-Techniken

Maschinelles Lernen für unausgeglichene Daten: Umgang mit unausgeglichenen Datensätzen mithilfe von Machine-Learning- und Deep-Learning-Techniken

A

Kumar Abhishek, Dr. Mounir Abdelaziz

KI und ML
EN
Pandas für Alle: Python-Datenanalyse. Zweite Auflage

Pandas für Alle: Python-Datenanalyse. Zweite Auflage

A

Daniel Y. Chen

KI und ML
EN
Streaming Data Mesh: Ein Modell zur Optimierung von Echtzeit-Datendiensten

Streaming Data Mesh: Ein Modell zur Optimierung von Echtzeit-Datendiensten

A

Hubert Dulay, Stephen Mooney

KI und ML
EN
Praktischer Leitfaden zu Apache Spark 3: Skalierbare Rechen-Engines für Batch- und Stream-Datenverarbeitung erstellen

Praktischer Leitfaden zu Apache Spark 3: Skalierbare Rechen-Engines für Batch- und Stream-Datenverarbeitung erstellen

A

Alfonso Antolínez García

KI und ML
EN
Lernen von Pandas 2.0: Ein umfassender Leitfaden zur Datenmanipulation und -analyse für Data Scientists und Machine-Learning-Experten

Lernen von Pandas 2.0: Ein umfassender Leitfaden zur Datenmanipulation und -analyse für Data Scientists und Machine-Learning-Experten

A

Matthew Rosch

KI und ML
EN
Web Data Mining mit Python: Entdecken und extrahieren Sie Informationen aus dem Web mit Python

Web Data Mining mit Python: Entdecken und extrahieren Sie Informationen aus dem Web mit Python

A

Dr. Ranjana Rajnish, Dr. Meenakshi Srivastava

KI und ML
EN
Praktisches maschinelles Lernen auf Databricks

Praktisches maschinelles Lernen auf Databricks

A

Debu Sinha

KI und ML
RU
Pandas in Aktion

Pandas in Aktion

A

Борис Пасхавер

KI und ML
RU
Data Science in Aktion. Fünf reale Python-Projekte

Data Science in Aktion. Fünf reale Python-Projekte

A

Леонард Апельцин

KI und ML
EN
Trainingsdaten für maschinelles Lernen: Menschliche Aufsicht von Annotation bis Data Science

Trainingsdaten für maschinelles Lernen: Menschliche Aufsicht von Annotation bis Data Science

A

Anthony Sarkis

KI und ML
EN
Programmieren All-in-One für Dummies, 2. Auflage

Programmieren All-in-One für Dummies, 2. Auflage

A

Chris Minnick, Nikhil Abraham, Barry Burd, Eva Holland, Luca Massaron, John Paul Mueller

KI und ML
RU
Deep Learning mit Python. Zweite Auflage

Deep Learning mit Python. Zweite Auflage

B

Франсуа Шолле

KI und ML
RU
PyTorch. Deep Learning beleuchten

PyTorch. Deep Learning beleuchten

A

Эли Стивенс, Лука Антига, Томас Виман

KI und ML
EN
Das Buch von Dash: Dashboards mit Python und Plotly erstellen

Das Buch von Dash: Dashboards mit Python und Plotly erstellen

A

Adam Schroeder, Christian Mayer, Ann Marie Ward

KI und ML
EN
Grundlagen der Datenqualität: Ein praktischer Leitfaden für den Aufbau vertrauenswürdiger Datenpipelines

Grundlagen der Datenqualität: Ein praktischer Leitfaden für den Aufbau vertrauenswürdiger Datenpipelines

A

Barr Moses, Lior Gavish, Molly Vorwerck

KI und ML
EN
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

Aurélien Géron

KI und ML
EN
Datenvisualisierung mit Python und JavaScript: Daten scrapen, bereinigen, erkunden und transformieren

Datenvisualisierung mit Python und JavaScript: Daten scrapen, bereinigen, erkunden und transformieren

A

Kyran Dale

KI und ML
EN
Datengetriebene Wissenschaft und Technik: Maschinelles Lernen, dynamische Systeme und Regelungstechnik

Datengetriebene Wissenschaft und Technik: Maschinelles Lernen, dynamische Systeme und Regelungstechnik

A

Steven L. Brunton, J. Nathan Kutz

KI und ML
RU
Praktische Datenanalyse. Datenerfassung, -verarbeitung und -visualisierung mit Python

Praktische Datenanalyse. Datenerfassung, -verarbeitung und -visualisierung mit Python

A

Игорь Семичев

KI und ML
RU
Interaktive Dashboards und Anwendungen mit Plotly und Dash. Nutzen Sie ein vollwertiges Web-Framework in Python in vollem Umfang – ohne JavaScript.

Interaktive Dashboards und Anwendungen mit Plotly und Dash. Nutzen Sie ein vollwertiges Web-Framework in Python in vollem Umfang – ohne JavaScript.

A

Элиас Даббас

KI und ML
RU
Muster und Praxis des Deep Learning

Muster und Praxis des Deep Learning

A

Эндрю Ферлитш

KI und ML
RU
Theoretisches Minimum in Computer Science. Netzwerke, Kryptographie und Data Science

Theoretisches Minimum in Computer Science. Netzwerke, Kryptographie und Data Science

A

Владстон Феррейра Фило, Мото Пиктет

KI und ML
RU
Erklärbare KI-Modelle in Python. KI-Modell. Erklärungen mit Python-basierten Bibliotheken, Erweiterungen und Frameworks.

Erklärbare KI-Modelle in Python. KI-Modell. Erklärungen mit Python-basierten Bibliotheken, Erweiterungen und Frameworks.

A

Прадипта Мишра

KI und ML
RU
Computer Vision. Moderne Methoden und Entwicklungsperspektiven

Computer Vision. Moderne Methoden und Entwicklungsperspektiven

A

Рой Дэвис, Мэтью Терк (ред.)

KI und ML
RU
Anwendung von OpenCV-Funktionen in der Computer Vision (60 Beispiele in Python)

Anwendung von OpenCV-Funktionen in der Computer Vision (60 Beispiele in Python)

A

С.А. Молодяков

KI und ML
RU
Human-in-the-Loop Machine Learning

Human-in-the-Loop Machine Learning

A

Роберт (Манро) Монарх

KI und ML
RU
Maschinelles Lernen: Grundlagen, Algorithmen und praktische Anwendung

Maschinelles Lernen: Grundlagen, Algorithmen und praktische Anwendung

A

Джереми Уатт, Реза Борхани, Аггелос К. Катсаггелос

KI und ML
RU
Maschinelles Lernen. Entwurfsmuster

Maschinelles Lernen. Entwurfsmuster

A

Валлиаппа Лакшманан, Сара Робинсон, Майкл Мунн

KI und ML
RU
Transformer-Architektur meistern. Entwicklung moderner Modelle mit fortschrittlichen Methoden der natürlichen Sprachverarbeitung

Transformer-Architektur meistern. Entwicklung moderner Modelle mit fortschrittlichen Methoden der natürlichen Sprachverarbeitung

A

Саваш Йылдырым, Мейсам Асгари-Ченаглу

KI und ML
RU
Deep Learning mit fastai und PyTorch: Minimal Formeln, Minimal Code, Maximale Effizienz

Deep Learning mit fastai und PyTorch: Minimal Formeln, Minimal Code, Maximale Effizienz

A

Джереми Ховард и Сильвейн Гуггер

KI und ML
RU
Deep Reinforcement Learning: Theorie und Praxis in Python

Deep Reinforcement Learning: Theorie und Praxis in Python

A

Лаура Грессер, Ван Лун Кенг

KI und ML
RU
Deep Learning. Der kürzeste und verständlichste Kurs

Deep Learning. Der kürzeste und verständlichste Kurs

A

Джон Д. Келлехер

KI und ML
RU
Big Data. Warum, was und wie?

Big Data. Warum, was und wie?

A

Алена Запорожан

KI und ML
RU
Biologisches und Computer Vision

Biologisches und Computer Vision

A

Гэбриел Крейман

KI und ML
RU
Terrence Sejnowski. Anthologie des maschinellen Lernens. Die wichtigsten Forschungsarbeiten im Bereich KI der letzten 60 Jahre.

Terrence Sejnowski. Anthologie des maschinellen Lernens. Die wichtigsten Forschungsarbeiten im Bereich KI der letzten 60 Jahre.

A

Терренс Сейновски

KI und ML
RU
Datenanalyse in Microsoft Power BI. Vorbereitung auf die DA-100-Prüfung.

Datenanalyse in Microsoft Power BI. Vorbereitung auf die DA-100-Prüfung.

A

Даниил Маслюк

KI und ML
RU
Data-Science-Algorithmen und ihre praktische Implementierung in Python

Data-Science-Algorithmen und ihre praktische Implementierung in Python

B

А. В. Протодьяконов, П. А. Пылов, В. Е. Садовников

KI und ML
EN
Machine Learning vereinfacht: Eine sanfte Einführung in Supervised Learning

Machine Learning vereinfacht: Eine sanfte Einführung in Supervised Learning

A

Andrew Wolf

KI und ML
EN
Maschinelles Lernen und Data Science: Grundlagen und Anwendungen

Maschinelles Lernen und Data Science: Grundlagen und Anwendungen

A

Prateek Agrawal, Charu Gupta, Anand Sharma, Vishu Madaan, Nisheeth Joshi

KI und ML
EN
Wichtige Mathematik für Data Science: Übernehmen Sie die Kontrolle über Ihre Daten mit grundlegender linearer Algebra, Wahrscheinlichkeitsrechnung und Statistik

Wichtige Mathematik für Data Science: Übernehmen Sie die Kontrolle über Ihre Daten mit grundlegender linearer Algebra, Wahrscheinlichkeitsrechnung und Statistik

A

Thomas Nield

KI und ML
EN
Entwurf von Machine-Learning-Systemen: Ein iterativer Prozess für produktionsreife Anwendungen

Entwurf von Machine-Learning-Systemen: Ein iterativer Prozess für produktionsreife Anwendungen

A

Chip Huyen

KI und ML
← 678910 →

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