Machine Learning mit PyTorch - kurz & gut

Idioma: alemán

Editorial: Dpunkt.Verlag Sep 2026, 2026

3960092962 / 9783960092964

  • Tapa blanda
  • Nuevo
Ver todos los detalles

Librería: buchversandmimpf2000, Emtmannsberg, BAYE, Alemaniabuchversandmimpf2000

Vendedor de 5 estrellas

Vendedor de IberLibro desde 23 de enero de 2017

Tapa blanda

Condición: Nuevo

EUR 19,90

Envío por EUR 60,00 
Se envía de Alemania a Estados Unidos de America

Cantidad disponible: 2 disponibles

Añadir al carrito
Devoluciones gratuitas de 30 días

Descripción del artículo del vendedor

Neuware -Jetzt zu PyTorch - die bewährte Kurzeinführung in Machine Learning- Der Bestseller zum Thema Machine Learning nutzt jetzt PyTorch als zentrales Framework- Anhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung und Datenanalyse bis hin zur Visualisierung- Nicht nur für zukünftige Data Scientists und ML-Profis geeignet, sondern durch seine durchdachte Didaktik auch für Interessierte, die nur am Rande mit ML zu tun haben, wie z.B. Softwareentwickler\*innen- Behandelt auch MLOps und Large Language Models wie ChatGPT Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des Machine Learning und der statistischen Datenanalyse. Dabei werden folgende Themen behandelt und mit praktischen Beispielen veranschaulicht:- Datenvorbereitung, Feature-Auswahl, Modellvalidierung- Supervised und Unsupervised Learning- Neuronale Netze und Deep Learning- LLMs - moderne Sprachmodelle- MLOps - Machine Learning für die PraxisAnhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. In Jupyter Not Elektronisches Buch kannst du mit den Codebeispielen experimentieren. Sie basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy und PyTorch.Nach der Lektüre dieses Buchs hast du einen Überblick über das gesamte Thema und kannst Ansätze einordnen und bewerten. Das Buch vermittelt dir eine solide Grundlage, um erste eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen.dpunkt.verlag GmbH, Wieblinger Weg 17, 69123 Heidelberg 256 pp. Deutsch.…

Título
Machine Learning mit PyTorch - kurz & gut
Autor
Chi Nhan Nguyen
Editorial
Dpunkt.Verlag Sep 2026
Año de publicación
2026
Estado
Neu
Encuadernación
Taschenbuch
Idioma
alemán
ISBN 10
3960092962
ISBN 13
9783960092964
Peso del artículo
233 gramos
Dimensiones
178x110x17 mm

buchversandmimpf2000

Emtmannsberg, BAYE, Alemania

Vendedor de 5 estrellas

Vendedor de IberLibro desde 23 de enero de 2017

Tarifas de envío de Alemania a Estados Unidos de America

ArtículoDe 60 a 60 días hábilesDe 60 a 60 días hábiles
Primer artículoEUR 60,00EUR 75,00
Los plazos de entrega los establecen los vendedores y varían según el transportista y la ubicación. Los pedidos que pasan por la aduana pueden sufrir retrasos y los compradores son responsables de los aranceles o tarifas asociadas. Los vendedores pueden ponerse en contacto con usted en relación con cargos adicionales para cubrir cualquier aumento en los costes de envío de los artículos.

Métodos de pago

  • Visa
  • Mastercard
  • American Express
  • Carte Bleue
  • Apple Pay
  • Google Pay
  • Cheque
  • PayPal

Descripción de la tienda

Impressum Thorsten Retsch Buchversand Mimpf2000 Oberölschnitz 16 95517 Emtmannsberg Deutschland Telefon: 09209-2023188 Email: mimpf2000@online.de USt-ID-Nr.: DE 235096871 Wir führen gebrauchte Bücher aus allen Sparten der Literatur

Especialidad

Modernes Antiquariat - Bücher von 1960 bis heute

Información empresarial del vendedor

buchversandmimpf2000

Alemania

Impressum

Gesetzliche Anbieterkennung:

Thorsten Retsch
Buchversand Mimpf2000
Oberölschnitz 16
95517 Emtmannsberg
Deutschland
Telefon: 092092023188
E-Mail: order@buchversandmimpf2000.de
USt-IdNr.: DE 235096871

Alternative Streitbeilegung:
Die Europäische Kommission stellt eine Plattform für die außergerichtliche Online-Streitbeilegung (OS-Plattform) bereit, aufrufbar unter http://ec.europa.eu/odr.