Jochen hirschle (16 resultados)
- Tapa blanda
Librería: Antiquariat Thomas Schneider, Diessen am Ammersee, AlemaniaAntiquariat Thomas Schneider
Contactar con el vendedorVendedor de 4 estrellasCondición: Usado
EUR 5,00
Envío por EUR 45,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 1 disponibles
Taschenbuch. 220 Seiten; Ungelesene Verlagsremittende-ME-Stempel auf unterem Schnitt. Sprache: Deutsch Gewicht in Gramm: 500.
- Tapa dura
Librería: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, AlemaniaBuchWeltWeit Ludwig Meier e.K.
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 23,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 2 disponibles
Kombiprodukt. Condición: Neu. Neuware -- Von der logistischen Regression über Feed-Forward-Netze zu Encoder-Decoder-Modellen- Leicht verständlich mit textbasierten Erklärungen und wenigen Formeln- Mit Fokus auf der Verarbeitung deutschsprachiger Texte- Ausführliche Python-Code-Erläuterungen im Buch und Jupyter Not Elektronisches… Buch auf GitHub- Ihr exklusiver Vorteil: Elektronisches Buch inside beim Kauf des gedruckten BuchesDas Buch bietet eine leicht verständliche Einführung in Machine-Learning-Algorithmen im Allgemeinen und in die Verarbeitung von Textdaten mit Deep-Learning-Verfahren im Besonderen. Es veranschaulicht die theoretischen Konzepte bewährter und neuerer NLP-Ansätze und führt in die praktische Umsetzung ein. Im Fokus stehen insbesondere folgende Verfahren: Vektorisierung von Wörtern mit Word Embedding. Verarbeitung von Texten mit rekurrenten und konvolutionalen neuronalen Netzen. Aufbau von Sequence-to-Sequence-Modellen zur Übersetzung und für Textzusammenfassungen. Arbeit mit der Transformers-Bibliothek und Hugging Face.Anhand praktischer Anwendungen (Klassizierung von Texten, Rechtschreibkorrektur, Übersetzung, Frage-Antwort-System) wird gezeigt, wie sich Textdaten vorbereiten und effektive Lernmodelle mit Bibliotheken wie Transformers, TensorFlow/Keras und Scikit-Learn aufbauen, trainieren und produktiv einsetzen lassen. 256 pp. Deutsch.
- Tapa dura
Librería: Rheinberg-Buch Andreas Meier eK, Bergisch Gladbach, AlemaniaRheinberg-Buch Andreas Meier eK
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 23,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 2 disponibles
Kombiprodukt. Condición: Neu. Neuware -- Von der logistischen Regression über Feed-Forward-Netze zu Encoder-Decoder-Modellen- Leicht verständlich mit textbasierten Erklärungen und wenigen Formeln- Mit Fokus auf der Verarbeitung deutschsprachiger Texte- Ausführliche Python-Code-Erläuterungen im Buch und Jupyter Not Elektronisches… Buch auf GitHub- Ihr exklusiver Vorteil: Elektronisches Buch inside beim Kauf des gedruckten BuchesDas Buch bietet eine leicht verständliche Einführung in Machine-Learning-Algorithmen im Allgemeinen und in die Verarbeitung von Textdaten mit Deep-Learning-Verfahren im Besonderen. Es veranschaulicht die theoretischen Konzepte bewährter und neuerer NLP-Ansätze und führt in die praktische Umsetzung ein. Im Fokus stehen insbesondere folgende Verfahren: Vektorisierung von Wörtern mit Word Embedding. Verarbeitung von Texten mit rekurrenten und konvolutionalen neuronalen Netzen. Aufbau von Sequence-to-Sequence-Modellen zur Übersetzung und für Textzusammenfassungen. Arbeit mit der Transformers-Bibliothek und Hugging Face.Anhand praktischer Anwendungen (Klassizierung von Texten, Rechtschreibkorrektur, Übersetzung, Frage-Antwort-System) wird gezeigt, wie sich Textdaten vorbereiten und effektive Lernmodelle mit Bibliotheken wie Transformers, TensorFlow/Keras und Scikit-Learn aufbauen, trainieren und produktiv einsetzen lassen. 256 pp. Deutsch.
- Tapa dura
Librería: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, AlemaniaBuchWeltWeit Ludwig Meier e.K.
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 23,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 1 disponibles
Kombiprodukt. Condición: Neu. Neuware -- Konzepte Schritt für Schritt erklärt- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausführlichen Code-Kommentaren- Mit TensorFlow2 Deep-Learning-Verfahren…zur Prognose aufbauen, anlernen und produktiv einsetzen Daten über Vorgänge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur über isolierte Zustände; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen können die Muster dieser Verläufe analysieren, sie anlernen und über das Beobachtungsfenster hinaus fortschreiben: Zustände in der Zukunft werden prognostizierbar.Das Buch bietet eine leicht verständliche Einführung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bewährte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Schätzprozess Schritt für Schritt erklärt.Aus dem Inhalt:- Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten- Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn- Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels- Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen- Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein.Der komplette Code im Buch sowie die Beispieldateien sind über ein GitHub-Repository verfügbar.EXTRA: Elektronisches Buch inside. Systemvoraussetzungen für Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions. 277 pp. Deutsch.
- Tapa dura
Librería: Rheinberg-Buch Andreas Meier eK, Bergisch Gladbach, AlemaniaRheinberg-Buch Andreas Meier eK
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 23,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 1 disponibles
Kombiprodukt. Condición: Neu. Neuware -- Konzepte Schritt für Schritt erklärt- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausführlichen Code-Kommentaren- Mit TensorFlow2 Deep-Learning-Verfahren…zur Prognose aufbauen, anlernen und produktiv einsetzen Daten über Vorgänge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur über isolierte Zustände; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen können die Muster dieser Verläufe analysieren, sie anlernen und über das Beobachtungsfenster hinaus fortschreiben: Zustände in der Zukunft werden prognostizierbar.Das Buch bietet eine leicht verständliche Einführung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bewährte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Schätzprozess Schritt für Schritt erklärt.Aus dem Inhalt:- Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten- Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn- Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels- Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen- Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein.Der komplette Code im Buch sowie die Beispieldateien sind über ein GitHub-Repository verfügbar.EXTRA: Elektronisches Buch inside. Systemvoraussetzungen für Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions. 277 pp. Deutsch.
- Tapa dura
Librería: Wegmann1855, Zwiesel, AlemaniaWegmann1855
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 25,95Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 1 disponibles
Kombiprodukt. Condición: Neu. Neuware -- Konzepte Schritt für Schritt erklärt- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausführlichen Code-Kommentaren- Mit TensorFlow2 Deep-Learning-Verfahren…zur Prognose aufbauen, anlernen und produktiv einsetzen Daten über Vorgänge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur über isolierte Zustände; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen können die Muster dieser Verläufe analysieren, sie anlernen und über das Beobachtungsfenster hinaus fortschreiben: Zustände in der Zukunft werden prognostizierbar.Das Buch bietet eine leicht verständliche Einführung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bewährte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Schätzprozess Schritt für Schritt erklärt.Aus dem Inhalt:- Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten- Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn- Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels- Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen- Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein.Der komplette Code im Buch sowie die Beispieldateien sind über ein GitHub-Repository verfügbar.EXTRA: Elektronisches Buch inside. Systemvoraussetzungen für Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions.
- Tapa dura
Librería: Wegmann1855, Zwiesel, AlemaniaWegmann1855
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 25,95Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 2 disponibles
Kombiprodukt. Condición: Neu. Neuware -- Von der logistischen Regression über Feed-Forward-Netze zu Encoder-Decoder-Modellen- Leicht verständlich mit textbasierten Erklärungen und wenigen Formeln- Mit Fokus auf der Verarbeitung deutschsprachiger Texte- Ausführliche Python-Code-Erläuterungen im Buch und Jupyter Not Elektronisches… Buch auf GitHub- Ihr exklusiver Vorteil: Elektronisches Buch inside beim Kauf des gedruckten BuchesDas Buch bietet eine leicht verständliche Einführung in Machine-Learning-Algorithmen im Allgemeinen und in die Verarbeitung von Textdaten mit Deep-Learning-Verfahren im Besonderen. Es veranschaulicht die theoretischen Konzepte bewährter und neuerer NLP-Ansätze und führt in die praktische Umsetzung ein. Im Fokus stehen insbesondere folgende Verfahren: Vektorisierung von Wörtern mit Word Embedding. Verarbeitung von Texten mit rekurrenten und konvolutionalen neuronalen Netzen. Aufbau von Sequence-to-Sequence-Modellen zur Übersetzung und für Textzusammenfassungen. Arbeit mit der Transformers-Bibliothek und Hugging Face.Anhand praktischer Anwendungen (Klassizierung von Texten, Rechtschreibkorrektur, Übersetzung, Frage-Antwort-System) wird gezeigt, wie sich Textdaten vorbereiten und effektive Lernmodelle mit Bibliotheken wie Transformers, TensorFlow/Keras und Scikit-Learn aufbauen, trainieren und produktiv einsetzen lassen.
- Tapa dura
Librería: AHA-BUCH GmbH, Einbeck, AlemaniaAHA-BUCH GmbH
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 30,50Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 2 disponibles
Kombiprodukt. Condición: Neu. Neuware - - Von der logistischen Regression über Feed-Forward-Netze zu Encoder-Decoder-Modellen- Leicht verständlich mit textbasierten Erklärungen und wenigen Formeln- Mit Fokus auf der Verarbeitung deutschsprachiger Texte- Ausführliche Python-Code-Erläuterungen im Buch und Jupyter Not Elektronische…s Buch auf GitHub- Ihr exklusiver Vorteil: Elektronisches Buch inside beim Kauf des gedruckten BuchesDas Buch bietet eine leicht verständliche Einführung in Machine-Learning-Algorithmen im Allgemeinen und in die Verarbeitung von Textdaten mit Deep-Learning-Verfahren im Besonderen. Es veranschaulicht die theoretischen Konzepte bewährter und neuerer NLP-Ansätze und führt in die praktische Umsetzung ein. Im Fokus stehen insbesondere folgende Verfahren: Vektorisierung von Wörtern mit Word Embedding. Verarbeitung von Texten mit rekurrenten und konvolutionalen neuronalen Netzen. Aufbau von Sequence-to-Sequence-Modellen zur Übersetzung und für Textzusammenfassungen. Arbeit mit der Transformers-Bibliothek und Hugging Face.Anhand praktischer Anwendungen (Klassizierung von Texten, Rechtschreibkorrektur, Übersetzung, Frage-Antwort-System) wird gezeigt, wie sich Textdaten vorbereiten und effektive Lernmodelle mit Bibliotheken wie Transformers, TensorFlow/Keras und Scikit-Learn aufbauen, trainieren und produktiv einsetzen lassen.
- Tapa dura
Librería: moluna, Greven, Alemaniamoluna
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 48,99Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 2 disponibles
Condición: New. - Konzepte Schritt fuer Schritt erklaert- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausfuehrlichen Code-Kommentaren.
- Tapa dura
Librería: moluna, Greven, Alemaniamoluna
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 48,99Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 2 disponibles
Condición: New. - Von der logistischen Regression ueber Feed-Forward-Netze zu Encoder-Decoder-Modellen- Leicht verstaendlich mit textbasierten Erklaerungen und wenigen Formeln- Mit Fokus auf der Verarbeitung deutschsprachiger Texte- Ausfuehrliche Python-Code-Erlaeut.
- Tapa blanda
Librería: preigu, Osnabrück, Alemaniapreigu
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 24,99
Envío por EUR 70,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 2 disponibles
Taschenbuch. Condición: Neu. Die Entstehung des transzendenten Kapitalismus | Jochen Hirschle | Taschenbuch | 204 S. | Deutsch | 2012 | Halem, Herbert von Verlag | EAN 9783744505420 | Verantwortliche Person für die EU: Herbert von Halem Verlag, Herbert von Halem, Boisseréestr. 9-11, 50674 Köln, produktsicherheit[at]halem-verlag[…dot]de | Anbieter: preigu.
- Tapa dura
Librería: buchversandmimpf2000, Emtmannsberg, BAYE, Alemaniabuchversandmimpf2000
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 60,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 1 disponibles
Kombiprodukt. Condición: Neu. Neuware -- Konzepte Schritt für Schritt erklärt- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausführlichen Code-Kommentaren- Mit TensorFlow2 Deep-Learning-Verfahren…zur Prognose aufbauen, anlernen und produktiv einsetzen Daten über Vorgänge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur über isolierte Zustände; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen können die Muster dieser Verläufe analysieren, sie anlernen und über das Beobachtungsfenster hinaus fortschreiben: Zustände in der Zukunft werden prognostizierbar.Das Buch bietet eine leicht verständliche Einführung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bewährte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Schätzprozess Schritt für Schritt erklärt.Aus dem Inhalt:- Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten- Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn- Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels- Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen- Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein.Der komplette Code im Buch sowie die Beispieldateien sind über ein GitHub-Repository verfügbar.EXTRA: Elektronisches Buch inside. Systemvoraussetzungen für Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions.Carl Hanser Verlag GmbH & Co.KG, Vilshofener Straße 10, 81679 München 277 pp. Deutsch.
- Tapa dura
Librería: buchversandmimpf2000, Emtmannsberg, BAYE, Alemaniabuchversandmimpf2000
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 60,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 2 disponibles
Kombiprodukt. Condición: Neu. Neuware -- Von der logistischen Regression über Feed-Forward-Netze zu Encoder-Decoder-Modellen- Leicht verständlich mit textbasierten Erklärungen und wenigen Formeln- Mit Fokus auf der Verarbeitung deutschsprachiger Texte- Ausführliche Python-Code-Erläuterungen im Buch und Jupyter Not Elektronisches… Buch auf GitHub- Ihr exklusiver Vorteil: Elektronisches Buch inside beim Kauf des gedruckten BuchesDas Buch bietet eine leicht verständliche Einführung in Machine-Learning-Algorithmen im Allgemeinen und in die Verarbeitung von Textdaten mit Deep-Learning-Verfahren im Besonderen. Es veranschaulicht die theoretischen Konzepte bewährter und neuerer NLP-Ansätze und führt in die praktische Umsetzung ein. Im Fokus stehen insbesondere folgende Verfahren: Vektorisierung von Wörtern mit Word Embedding. Verarbeitung von Texten mit rekurrenten und konvolutionalen neuronalen Netzen. Aufbau von Sequence-to-Sequence-Modellen zur Übersetzung und für Textzusammenfassungen. Arbeit mit der Transformers-Bibliothek und Hugging Face.Anhand praktischer Anwendungen (Klassizierung von Texten, Rechtschreibkorrektur, Übersetzung, Frage-Antwort-System) wird gezeigt, wie sich Textdaten vorbereiten und effektive Lernmodelle mit Bibliotheken wie Transformers, TensorFlow/Keras und Scikit-Learn aufbauen, trainieren und produktiv einsetzen lassen.Carl Hanser Verlag GmbH & Co.KG, Vilshofener Straße 10, 81679 München 256 pp. Deutsch.
- Tapa dura
Librería: AHA-BUCH GmbH, Einbeck, AlemaniaAHA-BUCH GmbH
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,99
Envío por EUR 63,15Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 1 disponibles
Bündel. Condición: Neu. Neuware - - Konzepte Schritt für Schritt erklärt- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten- Anleitungen zur Umsetzung in Python mit ausführlichen Code-Kommentaren- Mit TensorFlow2 Deep-Learning-Verfahren zur P…rognose aufbauen, anlernen und produktiv einsetzen Daten über Vorgänge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur über isolierte Zustände; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen können die Muster dieser Verläufe analysieren, sie anlernen und über das Beobachtungsfenster hinaus fortschreiben: Zustände in der Zukunft werden prognostizierbar.Das Buch bietet eine leicht verständliche Einführung in die Konzepte und die Praxis der Zeitreihenanalyse. Es zeigt, wie bewährte und neuere Lernalgorithmen arbeiten und wie sie sich mit Python anlernen und produktiv einsetzen lassen. An einer Vielzahl von Anwendungsbeispielen werden die Vorbereitung der Daten, der Anlern- und Schätzprozess Schritt für Schritt erklärt.Aus dem Inhalt:- Zeitreihendaten mit pandas aufbereiten, fehlende Daten imputieren, mit Datumsangaben arbeiten- Grundprinzipien maschinellen Lernens: Konzepte und Umsetzung mit Python und Scikit-Learn- Feature-Preprocessing: Standardisierung, Dimensionsreduktion, Verarbeitung kategorialer Daten - ARIMA-Modelle zur Analyse univariater Zeitreihen: Vorbereitung, Anlernen und Prognose mit Python und Statsmodels- Komplexe Zeitreihen mit Deep-Learning-Verfahren analysieren: Rekurrente und konvolutionale Netze verstehen und mit Python und TensorFlow 2 aufbauen und anlernen- Mit Zeifenstern arbeiten Vorkenntnisse in Machine-Learning-Verfahren sind nicht notwendig. Grundlegende Statistik- und Python-Kenntnisse sollten vorhanden sein.Der komplette Code im Buch sowie die Beispieldateien sind über ein GitHub-Repository verfügbar.EXTRA: Elektronisches Buch inside. Systemvoraussetzungen für Elektronisches Buch inside: Internet-Verbindung und Adobe-Reader oder Elektronisches Buch-Reader bzw. Adobe Digital Editions.
- Tapa blanda
Librería: Buchpark, Trebbin, AlemaniaBuchpark
Contactar con el vendedorVendedor de 5 estrellasCondición: Usado - Excelente
EUR 42,98
Envío por EUR 105,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 1 disponibles
Condición: Sehr gut. Zustand: Sehr gut | Sprache: Deutsch | Produktart: Bücher | Keine Beschreibung verfügbar.
- Tapa blanda
Librería: BUCHSERVICE / ANTIQUARIAT Lars Lutzer, Wahlstedt, AlemaniaBUCHSERVICE / ANTIQUARIAT Lars Lutzer
Contactar con el vendedorVendedor de 5 estrellasCondición: Usado - Bueno
EUR 179,95
Envío por EUR 39,95Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 1 disponibles
Softcover. Condición: gut. 2007. Eine unmögliche Liebe In deutscher Sprache. pages.
