Machine Learning ist zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und
Forschungsprojekte geworden von der medizinischen Diagnostik bis hin zur Suche nach Freunden
in sozialen Netzwerken. Um Machine- Learning-Anwendungen zu entwickeln braucht es keine großen
Expertenteams: Wenn Sie Python-Grundkenntnisse mitbringen zeigt Ihnen dieses Praxisbuch wie
Sie Ihre eigenen Machine-Learning-Lösungen erstellen.Mit Python und der scikit-learn-Bibliothek
erarbeiten Sie sich alle Schritte die für eine erfolgreiche Machine-Learning- Anwendung
notwendig sind. Die Autoren Andreas Müller und Sarah Guido konzentrieren sich bei der
Verwendung von Machine-Learning-Algorithmen auf die praktischen Aspekte statt auf die
Mathematik dahinter. Wenn Sie zusätzlich mit den Bibliotheken NumPy und matplotlib vertraut
sind hilft Ihnen dies noch mehr aus diesem Tutorial herauszuholen.Das Buch zeigt Ihnen:-
grundlegende Konzepte und Anwendungen von Machine Learning- Vor- und Nachteile weit
verbreiteter maschineller Lernalgorithmen- wie sich die von Machine Learning verarbeiteten
Daten repräsentieren lassen und auf welche Aspekte der Daten Sie sich konzentrieren sollten-
fortgeschrittene Methoden zur Auswertung von Modellen und zum Optimieren von Parametern- das
Konzept von Pipelines mit denen Modelle verkettet und Arbeitsabläufe gekapselt werden-
Arbeitsmethoden für Textdaten insbesondere textspezifische Verarbeitungstechniken-
Möglichkeiten zur Verbesserung Ihrer Fähigkeitenin den Bereichen Machine Learning und Data
Science
