Einführung in automatisiertes maschinelles Lernen (AutoML)
A

Einführung in automatisiertes maschinelles Lernen (AutoML)

Mathematik
AutoML machine learning hyperparameter optimization Bayesian optimization automated algorithms beginner guide research methods
Autor
Frank Hutter, Lars Kotthoff, Joaquin Vanschoren
Verlag
DMK Press
Jahr
2023
Sprache
Russisch
219
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Maschinelles Lernen ohne Umschweife

Maschinelles Lernen ohne Umschweife

Andrei Burkow

Meta-Lernen. Anwendung in AutoML und Data Science

Meta-Lernen. Anwendung in AutoML und Data Science

Pavel Brazdil, Jan van Rein, Carlos Soares, Joaquin Vanschoren

Bayessche Wahrnehmungs- und Handlungsmodelle. Ein moderner Blick auf die Funktionsprinzipien des Gehirns

Bayessche Wahrnehmungs- und Handlungsmodelle. Ein moderner Blick auf die Funktionsprinzipien des Gehirns

Wei Ji Ma, Konrad Kording, Daniel Goldreich

Shalev-Shwartz S., Ben-David S. - Ideen des maschinellen Lernens: Von der Theorie zu Algorithmen - 2019

Shalev-Shwartz S., Ben-David S. - Ideen des maschinellen Lernens: Von der Theorie zu Algorithmen - 2019

Sch. Shalev-Schwarz, Sch. Ben-David

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

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

Maschinelles Lernen. Systemdesign von der Idee bis zur Umsetzung

Maschinelles Lernen. Systemdesign von der Idee bis zur Umsetzung

Valerij Babuschkin, Arsenij Krawtschenko

Pyomo. Optimierungsmodellierung mit Python

Pyomo. Optimierungsmodellierung mit Python

Michael L. Bynum, Gabriel A. Hackebeil, William E. Hart, Carl D. Laird, Bethany L. Nicholson, John D. Siirola, Jean-Paul Watson, David L. Woodruff

Deep Learning aus der Sicht eines Praktikers

Deep Learning aus der Sicht eines Praktikers

Josh Patterson, Adam Gibson

Maschinelles Lernen für Business und Marketing

Maschinelles Lernen für Business und Marketing

Ilja Kazow