Machine Learning Vol 2
Idioma: inglés
Editorial: Independently Published Jul 2026, 2026
- Tapa blanda
- Nuevo
Librería: AHA-BUCH GmbH, Einbeck, AlemaniaAHA-BUCH GmbH
Vendedor de IberLibro desde 14 de agosto de 2006
Condición: Nuevo
EUR 34,97
Cantidad disponible: 2 disponibles
Añadir al carritoDescripción del artículo del vendedor
Neuware - Machine Learning Volume 2: Unsupervised Learning, Ensemble Methods, and Model TuningMachine learning extends far beyond predicting labels. Modern AI systems must uncover hidden patterns, combine multiple models for greater accuracy, and continuously optimize performance for real-world deployment.Machine Learning Volume 2: Unsupervised Learning, Ensemble Methods, and Model Tuning builds on the foundations introduced in Volume 1 and explores the advanced techniques that enable robust, scalable, and high-performing machine learning solutions.Designed for developers, AI engineers, data scientists, students, and technical professionals, this volume bridges the gap between introductory machine learning and production-ready model development through practical explanations, mathematical intuition, and real-world applications.Inside this volume, you'll explore: - Unsupervised learning fundamentals- Clustering algorithms and applications- K-Means Clustering- Hierarchical Clustering- DBSCAN- Gaussian Mixture Models (GMM)- Dimensionality reduction techniques- Principal Component Analysis (PCA)- t-SNE and UMAP visualization- Association Rule Mining- Anomaly and outlier detection- Feature selection and extraction- Ensemble learning concepts- Bagging and Random Forest- Boosting algorithms- AdaBoost- Gradient Boosting- XGBoost- LightGBM- CatBoost- Stacking and blending techniques- Voting classifiers- Hyperparameter optimization- Grid Search- Random Search- Bayesian Optimization- Automated Machine Learning (AutoML)- Regularization techniques- Pipeline construction- Feature importance analysis- Model calibration- Performance optimization strategies- Model comparison and selection- Practical workflows for improving prediction accuracyThroughout the book, concepts are explained using clear illustrations, comparison tables, workflow diagrams, mathematical intuition, and practical examples that help readers understand not only how algorithms work but also when and why they should be applied.This volume emphasizes the critical engineering decisions involved in selecting algorithms, reducing dimensionality, combining multiple models, and systematically tuning machine learning systems for optimal performance across a wide range of applications.Whether you're improving predictive accuracy, discovering hidden structures in data, preparing for technical interviews, or building production-grade ML solutions, this book provides the tools and methodologies used by modern AI practitioners.Machine Learning Volume 2 is the second book in the AI/ML Reference Series, offering a comprehensive progression from machine learning fundamentals to advanced modeling techniques, deep learning, MLOps, production AI, and intelligent autonomous systems.Unlock deeper insights from your data. Build stronger models. Optimize machine learning with confidence. …
N° de ref. del artículo 9798187852710
- Título
- Machine Learning Vol 2
- Autor
- Rashmi Patel
- Editorial
- Independently Published Jul 2026
- Año de publicación
- 2026
- Estado
- Neu
- Encuadernación
- Taschenbuch
- Idioma
- inglés
- ISBN 13
- 9798187852710
- Peso del artículo
- 281 gramos
- Dimensiones
- 229x152x11 mm
- Serie
- Libro 3 de 22: AI and ML Reference handbooks
Machine learning extends far beyond predicting labels. Modern AI systems must uncover hidden patterns, combine multiple models for greater accuracy, and continuously optimize performance for real-world deployment.
Machine Learning Volume 2: Unsupervised Learning, Ensemble Methods, and Model Tuning builds on the foundations introduced in Volume 1 and explores the advanced techniques that enable robust, scalable, and high-performing machine learning solutions.
Designed for developers, AI engineers, data scientists, students, and technical professionals, this volume bridges the gap between introductory machine learning and production-ready model development through practical explanations, mathematical intuition, and real-world applications.
Inside this volume, you'll explore:
- Unsupervised learning fundamentals
- Clustering algorithms and applications
- K-Means Clustering
- Hierarchical Clustering
- DBSCAN
- Gaussian Mixture Models (GMM)
- Dimensionality reduction techniques
- Principal Component Analysis (PCA)
- t-SNE and UMAP visualization
- Association Rule Mining
- Anomaly and outlier detection
- Feature selection and extraction
- Ensemble learning concepts
- Bagging and Random Forest
- Boosting algorithms
- AdaBoost
- Gradient Boosting
- XGBoost
- LightGBM
- CatBoost
- Stacking and blending techniques
- Voting classifiers
- Hyperparameter optimization
- Grid Search
- Random Search
- Bayesian Optimization
- Automated Machine Learning (AutoML)
- Regularization techniques
- Pipeline construction
- Feature importance analysis
- Model calibration
- Performance optimization strategies
- Model comparison and selection
- Practical workflows for improving prediction accuracy
Throughout the book, concepts are explained using clear illustrations, comparison tables, workflow diagrams, mathematical intuition, and practical examples that help readers understand not only how algorithms work but also when and why they should be applied.
This volume emphasizes the critical engineering decisions involved in selecting algorithms, reducing dimensionality, combining multiple models, and systematically tuning machine learning systems for optimal performance across a wide range of applications.
Whether you're improving predictive accuracy, discovering hidden structures in data, preparing for technical interviews, or building production-grade ML solutions, this book provides the tools and methodologies used by modern AI practitioners.
Machine Learning Volume 2 is the second book in the AI/ML Reference Series, offering a comprehensive progression from machine learning fundamentals to advanced modeling techniques, deep learning, MLOps, production AI, and intelligent autonomous systems.
Unlock deeper insights from your data. Build stronger models. Optimize machine learning with confidence.
“Sinopsis” puede pertenecer a otra edición de este título.
AHA-BUCH GmbH
Einbeck, Alemania
Vendedor de IberLibro desde 14 de agosto de 2006
Tarifas de envío de Alemania a Estados Unidos de America
| Artículo | De 7 a 10 días hábiles | De 5 a 7 días hábiles |
|---|---|---|
| Primer artículo | EUR 35,00 | EUR 45,00 |
Métodos de pago
- Cheque
- Giro bancario
- PayPal
Descripción de la tienda
Das Unternehmen AHA-BUCH GmbH: Seit der Gründung von AHA-BUCH im Juli 2005 ist unser Hauptziel, zufriedenen Kunden so schnell und so preisgünstig wie möglich ihren Bücherwunsch zu erfüllen. Unsere Firma beschäftigt 16 Mitarbeiter, die nur ein Ziel kennen: den Kunden und seine Wünsche! Auf über 3700 m2 Fläche haben wir über 100.000 Bücher, Modernes Antiquariat und Spiele auf Lager.
Especialidad
Kinderbücher & Kinderhör Casetten, German Books, Software, Natur & Tiere, Ratgeber, Sachbücher, Englische Bücher, Medizin & Gesundheit, Universität & StudiumInformación empresarial del vendedor
AHA-BUCH GmbH
Garlebsen 48
Einbeck, Alemania 37574
Condiciones de venta
IImprint
Información del vendedor
AHA-BUCH GmbH
representado por el director gerente Christel Glass
Garlebsen 48
37574 Einbeck
Alemania
Teléfono: 055639996039
Fax: 055639995974
E-Mail: abebooks@aha-buch.de
USt-IdNr.: DE261904229
Inscrita en el Registro Mercantil Amtsgerichtes Göttingen
Handelsregisternummer HRB 200691
Resolución alternativa de conflictos:
La Comisión Europea proporciona una plataforma para la resolución extrajudicial de litigios en línea (plataforma ODR), a la que se puede acceder en https://ec.europa.eu/odr.
Somos miembros de la iniciativa "FairCommerce" desde el 25.05.2018.
Para obtener más información, consulte www.fair-commerce.de.
Derecho al desistimiento
Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.
Información sobre el derecho de desistimiento
Derecho legal de desistimiento
Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.
El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.
Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).
Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.
Efectos del desistimiento
Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).
Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.
Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.
Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.
Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.
Deberá devolver los bienes o entregarlos a AHA-BUCH GmbH, Einbeck, Germany, sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.
Excepciones al derecho de desistimiento
El derecho de desistimiento no se aplica a lo siguiente:
- La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
- El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.
Condiciones de envío
Enviamos su pedido después de recibirlos
para artículos disponibles las últimas 24 horas,
para artículos con suministro nocturno a más tardar 48 horas.
En caso de que necesitemos pedir un artículo a nuestro proveedor, nuestro tiempo de envío depende de la fecha de recepción de los artículos, pero los artículos se enviarán el mismo día.
Nuestro objetivo es enviar los artículos pedidos de la manera más rápida, pero también más eficiente y segura a nuestros clientes.