Konzentriert sich auf Themen die für den praktizierenden Machine-Learning-Anwender interessant
sind Enthält eine große Anzahl wertvoller Codebeispiele für strukturierte Daten die in der
Praxis konkret weiterhelfen Zeigt wie verschiedene Bibliotheken zur Lösung praktischer
Fragestellungen eingesetzt werden Diese praktische Referenz bietet eine Sammlung von Methoden
Ressourcen und Codebeispielen zur Lösung gängiger Machine-Learning-Probleme bei der Auswertung
strukturierter Daten. Matt Harrison hat einen wertvollen Leitfaden zusammengestellt den Sie
als Nachschlagewerk und zur Anregung nutzen können: für eigene Projekte oder als
Begleitmaterial für Machine-Learning-Kurse. Das Buch ist ideal für Data Scientists
Softwareentwickler und Datenanalysten die Machine Learning praktisch anwenden. Es bietet einen
Überblick über den kompletten Machine-Learning-Prozess und stellt Ihnen verschiedene
Bibliotheken und Modelle mit ihren jeweiligen Vor- und Nachteilen und Anpassungsmöglichkeiten
vor. Die Codebeispiele sind so kompakt und nachvollziehbar dass Sie sie für Ihre eigenen
Projekte verwenden und auch gut anpassen können.
