Machine Learning

Author: Jason Bell
Publisher: John Wiley & Sons
ISBN: 1118889495
Format: PDF, ePub, Docs
Download Now
Dig deep into the data with a hands-on guide to machinelearning Machine Learning: Hands-On for Developers and TechnicalProfessionals provides hands-on instruction and fully-codedworking examples for the most common machine learning techniquesused by developers and technical professionals. The book contains abreakdown of each ML variant, explaining how it works and how it isused within certain industries, allowing readers to incorporate thepresented techniques into their own work as they follow along. Acore tenant of machine learning is a strong focus on datapreparation, and a full exploration of the various types oflearning algorithms illustrates how the proper tools can help anydeveloper extract information and insights from existing data. Thebook includes a full complement of Instructor's Materials tofacilitate use in the classroom, making this resource useful forstudents and as a professional reference. At its core, machine learning is a mathematical, algorithm-basedtechnology that forms the basis of historical data mining andmodern big data science. Scientific analysis of big data requires aworking knowledge of machine learning, which forms predictionsbased on known properties learned from training data. MachineLearning is an accessible, comprehensive guide for thenon-mathematician, providing clear guidance that allows readersto: Learn the languages of machine learning including Hadoop,Mahout, and Weka Understand decision trees, Bayesian networks, and artificialneural networks Implement Association Rule, Real Time, and Batch learning Develop a strategic plan for safe, effective, and efficientmachine learning By learning to construct a system that can learn from data,readers can increase their utility across industries. Machinelearning sits at the core of deep dive data analysis andvisualization, which is increasingly in demand as companiesdiscover the goldmine hiding in their existing data. For the techprofessional involved in data science, Machine Learning:Hands-On for Developers and Technical Professionals providesthe skills and techniques required to dig deeper.

Neuronale Netze selbst programmieren

Author: Tariq Rashid
Publisher: O'Reilly
ISBN: 3960101031
Format: PDF, ePub, Docs
Download Now
Neuronale Netze sind Schlüsselelemente des Deep Learning und der Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind. Sie sind Grundlage vieler Anwendungen im Alltag wie beispielsweise Spracherkennung, Gesichtserkennung auf Fotos oder die Umwandlung von Sprache in Text. Dennoch verstehen nur wenige, wie neuronale Netze tatsächlich funktionieren. Dieses Buch nimmt Sie mit auf eine unterhaltsame Reise, die mit ganz einfachen Ideen beginnt und Ihnen Schritt für Schritt zeigt, wie neuronale Netze arbeiten: - Zunächst lernen Sie die mathematischen Konzepte kennen, die den neuronalen Netzen zugrunde liegen. Dafür brauchen Sie keine tieferen Mathematikkenntnisse, denn alle mathematischen Ideen werden behutsam und mit vielen Illustrationen und Beispielen erläutert. Eine Kurzeinführung in die Analysis unterstützt Sie dabei. - Dann geht es in die Praxis: Nach einer Einführung in die populäre und leicht zu lernende Programmiersprache Python bauen Sie allmählich Ihr eigenes neuronales Netz mit Python auf. Sie bringen ihm bei, handgeschriebene Zahlen zu erkennen, bis es eine Performance wie ein professionell entwickeltes Netz erreicht. - Im nächsten Schritt tunen Sie die Leistung Ihres neuronalen Netzes so weit, dass es eine Zahlenerkennung von 98 % erreicht – nur mit einfachen Ideen und simplem Code. Sie testen das Netz mit Ihrer eigenen Handschrift und werfen noch einen Blick in das mysteriöse Innere eines neuronalen Netzes. - Zum Schluss lassen Sie das neuronale Netz auf einem Raspberry Pi Zero laufen. Tariq Rashid erklärt diese schwierige Materie außergewöhnlich klar und verständlich, dadurch werden neuronale Netze für jeden Interessierten zugänglich und praktisch nachvollziehbar.

Statistik Workshop f r Programmierer

Author: Allen Downey
Publisher: O'Reilly Germany
ISBN: 3868993428
Format: PDF, Kindle
Download Now
Wenn Sie programmieren konnen, beherrschen Sie bereits Techniken, um aus Daten Wissen zu extrahieren. Diese kompakte Einfuhrung in die Statistik zeigt Ihnen, wie Sie rechnergestutzt, anstatt auf mathematischem Weg Datenanalysen mit Python durchfuhren konnen. Praktischer Programmier-Workshop statt grauer Theorie: Das Buch fuhrt Sie anhand eines durchgangigen Fallbeispiels durch eine vollstandige Datenanalyse -- von der Datensammlung uber die Berechnung statistischer Kennwerte und Identifikation von Mustern bis hin zum Testen statistischer Hypothesen. Gleichzeitig werden Sie mit statistischen Verteilungen, den Regeln der Wahrscheinlichkeitsrechnung, Visualisierungsmoglichkeiten und vielen anderen Arbeitstechniken und Konzepten vertraut gemacht. Statistik-Konzepte zum Ausprobieren: Entwickeln Sie uber das Schreiben und Testen von Code ein Verstandnis fur die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik: Uberprufen Sie das Verhalten statistischer Merkmale durch Zufallsexperimente, zum Beispiel indem Sie Stichproben aus unterschiedlichen Verteilungen ziehen. Nutzen Sie Simulationen, um Konzepte zu verstehen, die auf mathematischem Weg nur schwer zuganglich sind. Lernen Sie etwas uber Themen, die in Einfuhrungen ublicherweise nicht vermittelt werden, beispielsweise uber die Bayessche Schatzung. Nutzen Sie Python zur Bereinigung und Aufbereitung von Rohdaten aus nahezu beliebigen Quellen. Beantworten Sie mit den Mitteln der Inferenzstatistik Fragestellungen zu realen Daten.

Datenanalyse mit Python

Author: Wes McKinney
Publisher: O'Reilly
ISBN: 3960102143
Format: PDF, ePub, Docs
Download Now
Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.6, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy, IPython und Jupyter kennen.Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und zugehöriges Material des Buchs sind auf GitHub verfügbar.Aus dem Inhalt:Nutzen Sie die IPython-Shell und Jupyter Notebook für das explorative ComputingLernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennenSetzen Sie die Datenanalyse-Tools der pandasBibliothek einVerwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von DatenErstellen Sie interformative Visualisierungen mit matplotlibWenden Sie die GroupBy-Mechanismen von pandas an, um Datensätzen zurechtzuschneiden, umzugestalten und zusammenzufassenAnalysieren und manipulieren Sie verschiedenste Zeitreihen-DatenFür diese aktualisierte 2. Auflage wurde der gesamte Code an Python 3.6 und die neuesten Versionen der pandas-Bibliothek angepasst. Neu in dieser Auflage: Informationen zu fortgeschrittenen pandas-Tools sowie eine kurze Einführung in statsmodels und scikit-learn.

Data Science mit Python

Author: Jake VanderPlas
Publisher: MITP-Verlags GmbH & Co. KG
ISBN: 3958456979
Format: PDF, ePub, Docs
Download Now
Die wichtigsten Tools für die Datenanalyse und-bearbeitung im praktischen Einsatz Python effizient für datenintensive Berechnungen einsetzen mit IPython und Jupyter Laden, Speichern und Bearbeiten von Daten und numerischen Arrays mit NumPy und Pandas Visualisierung von Daten mit Matplotlib Python ist für viele die erste Wahl für Data Science, weil eine Vielzahl von Ressourcen und Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar ist. In diesem Buch erläutert der Autor den Einsatz der wichtigsten Tools. Für Datenanalytiker und Wissenschaftler ist dieses umfassende Handbuch von unschätzbarem Wert für jede Art von Berechnung mit Python sowie bei der Erledigung alltäglicher Aufgaben. Dazu gehören das Bearbeiten, Umwandeln und Bereinigen von Daten, die Visualisierung verschiedener Datentypen und die Nutzung von Daten zum Erstellen von Statistiken oder Machine-Learning-Modellen. Dieses Handbuch erläutert die Verwendung der folgenden Tools: ● IPython und Jupyter für datenintensive Berechnungen ● NumPy und Pandas zum effizienten Speichern und Bearbeiten von Daten und Datenarrays in Python ● Matplotlib für vielfältige Möglichkeiten der Visualisierung von Daten ● Scikit-Learn zur effizienten und sauberen Implementierung der wichtigsten und am meisten verbreiteten Algorithmen des Machine Learnings Der Autor zeigt Ihnen, wie Sie die zum Betreiben von Data Science verfügbaren Pakete nutzen, um Daten effektiv zu speichern, zu handhaben und Einblick in diese Daten zu gewinnen. Grundlegende Kenntnisse in Python werden dabei vorausgesetzt. Leserstimme zum Buch: »Wenn Sie Data Science mit Python betreiben möchten, ist dieses Buch ein hervorragender Ausgangspunkt. Ich habe es sehr erfolgreich beim Unterrichten von Informatik- und Statistikstudenten eingesetzt. Jake geht weit über die Grundlagen der Open-Source-Tools hinaus und erläutert die grundlegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.« – Brian Granger, Physikprofessor, California Polytechnic State University, Mitbegründer des Jupyter-Projekts

Programmieren mit Scala

Author: Dean Wampler
Publisher: O'Reilly Germany
ISBN: 3897216485
Format: PDF, ePub, Docs
Download Now
Sie ist elegant, schlank, modern und flexibel: Die Rede ist von Scala, der neuen Programmiersprache für die Java Virtual Machine (JVM). Sie vereint die Vorzüge funktionaler und objektorientierter Programmierung, ist typsicherer als Java, lässt sich nahtlos in die Java-Welt integrieren – und eine in Scala entwickelte Anwendung benötigt oft nur einen Bruchteil der Codezeilen ihres Java-Pendants. Kein Wunder, dass immer mehr Firmen, deren große, geschäftskritische Anwendungen auf Java basieren, auf Scala umsteigen, um ihre Produktivität und die Skalierbarkeit ihrer Software zu erhöhen. Das wollen Sie auch? Dann lassen Sie sich von den Scala-Profis Dean Wampler und Alex Payne zeigen, wie es geht. Ihre Werkzeugkiste: Schon bevor Sie loslegen, sind Sie weiter, als Sie denken: Sie können Ihre Java-Programme weiter verwenden, Java-Bibliotheken nutzen, Java von Scala aus aufrufen und Scala von Java aus. Auch Ihre bevorzugten Entwicklungswerkzeuge wie NetBeans, IntelliJ IDEA oder Eclipse stehen Ihnen weiter zur Verfügung, dazu Kommandozeilen-Tools, Plugins für Editoren, Werkzeuge von Drittanbietern – und natürlich Ihre Programmiererfahrung. In Programmieren mit Scala erfahren Sie, wie Sie sich all das zunutze machen. Das Hybridmodell: Die Paradigmen "funktional" und "objektorientiert" sind keine Gegensätze, sondern ergänzen sich unter dem Scala-Dach zu einem sehr produktiven Ganzen. Nutzen Sie die Vorteile funktionaler Programmierung, wann immer sich das anbietet – und seien Sie so frei, auf die guten alten Seiteneffekte zu bauen, wenn Sie das für nötig halten. Futter für die Profis: Skalierbare Nebenläufigkeit mit Aktoren, Aufzucht und Pflege von XML mit Scala, Domainspezifische Sprachen, Tipps zum richtigen Anwendungsdesign – das sind nur ein paar der fortgeschrittenen Themen, in die Sie mit den beiden Autoren eintauchen. Danach sind Sie auch Profi im Programmieren mit Scala.

Material Integrated Intelligent Systems

Author: Stefan Bosse
Publisher: John Wiley & Sons
ISBN: 3527679251
Format: PDF, Docs
Download Now
Combining different perspectives from materials science, engineering, and computer science, this reference provides a unified view of the various aspects necessary for the successful realization of intelligent systems. The editors and authors are from academia and research institutions with close ties to industry, and are thus able to offer first-hand information here. They adopt a unique, three-tiered approach such that readers can gain basic, intermediate, and advanced topical knowledge. The technology section of the book is divided into chapters covering the basics of sensor integration in materials, the challenges associated with this approach, data processing, evaluation, and validation, as well as methods for achieving an autonomous energy supply. The applications part then goes on to showcase typical scenarios where material-integrated intelligent systems are already in use, such as for structural health monitoring and smart textiles.

iHorizon Enabled Energy Management for Electrified Vehicles

Author: Clara Marina Martinez
Publisher: Butterworth-Heinemann
ISBN: 0128150114
Format: PDF
Download Now
iHorizon-Enabled Energy Management for Electrified Vehicles proposes a realistic solution that assumes only scarce information is available prior to the start of a journey and that limited computational capability can be allocated for energy management. This type of framework exploits the available resources and closely emulates optimal results that are generated with an offline global optimal algorithm. In addition, the authors consider the present and future of the automotive industry and the move towards increasing levels of automation. Driver vehicle-infrastructure is integrated to address the high level of interdependence of hybrid powertrains and to comply with connected vehicle infrastructure. This book targets upper-division undergraduate students and graduate students interested in control applied to the automotive sector, including electrified powertrains, ADAS features, and vehicle automation. Addresses the level of integration of electrified powertrains Presents the state-of-the-art of electrified vehicle energy control Offers a novel concept able to perform dynamic speed profile and energy demand prediction

Responsible Analytics and Data Mining in Education

Author: Badrul H. Khan
Publisher: Routledge
ISBN: 1351394673
Format: PDF, ePub, Mobi
Download Now
Rapid advancements in our ability to collect, process, and analyze massive amounts of data along with the widespread use of online and blended learning platforms have enabled educators at all levels to gain new insights into how people learn. Responsible Analytics and Data Mining in Education addresses the thoughtful and purposeful navigation, evaluation, and implementation of these emerging forms of educational data analysis. Chapter authors from around the world explore how data analytics can be used to improve course and program quality; how the data and its interpretations may inadvertently impact students, faculty, and institutions; the quality and reliability of data, as well as the accuracy of data-based decisions; ethical implications surrounding the collection, distribution, and use of student-generated data; and more. This volume unpacks and explores this complex issue through a systematic framework whose dimensions address the issues that must be considered before implementation of a new initiative or program.