Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow

Aktualisierte und erweiterte 3. Auflage des Bestsellers zu TensorFlow und Deep Learning- Behandelt jetzt viele neue Features von Scikit-Learn sowie die Keras-Tuner-Bibliothek und die NLP-Bibliothek Transformers von Hugging Face- Führt Sie methodisch geschickt in die Basics des Machine Learning mit Scikit-Learn ein und vermittelt darauf aufbauend Deep-Learning-Techniken mit Keras und TensorFlow - Mit zahlreiche Übungen und LösungenMaschinelles Lernen und insbesondere Deep Learning haben in den letzten Jahren eindrucksvolle Durchbrüche erlebt. Inzwischen können sogar Programmierer, die kaum etwas über diese Technologie wissen, mit einfachen, effizienten Werkzeugen Machine-Learning-Programme implementieren. Dieses Standardwerk verwendet konkrete Beispiele, ein Minimum an Theorie und unmittelbar einsetzbare Python-Frameworks (Scikit-Learn, Keras und TensorFlow), um Ihnen ein intuitives Verständnis der Konzepte und Tools für das Entwickeln intelligenter Systeme zu vermitteln.In dieser aktualisierten 3. Auflage behandelt Aurélien Géron eine große Bandbreite von Techniken: von der einfachen linearen Regression bis hin zu Deep Neural Networks. Zahlreiche Codebeispiele und Übungen helfen Ihnen, das Gelernte praktisch umzusetzen. Sie benötigen lediglich etwas Programmiererfahrung, um direkt zu starten.- Lernen Sie die Grundlagen des Machine Learning anhand eines umfangreichen Beispielprojekts mit Scikit-Learn- Erkunden Sie zahlreiche Modelle, einschließlich Support Vector Machines, Entscheidungsbäume, Random Forests und Ensemble-Methoden- Nutzen Sie unüberwachtes Lernen wie Dimensionsreduktion, Clustering und Anomalieerkennung- Erstellen Sie neuronale Netzarchitekturen wie Convolutional Neural Networks, Recurrent Neural Networks, Generative Adversarial Networks, Autoencoder, Diffusionsmodelle und Transformer- Verwenden Sie TensorFlow und Keras zum Erstellen und Trainieren neuronaler Netze für Computer Vision, Natural Language Processing, Deep Reinforcement Learning und generative Modelle

Der Klassiker - jetzt neu zu PyTorch!- Das Standard-Lehrbuch von Bestseller-Autor Aurélien Géron, nutzt jetzt das führende Framework PyTorch- Führt leicht verständlich in die Basics des Machine Learning ein und vermittelt darauf aufbauend alle wesentlichen Techniken für die Programmierung von KI mit PyTorch- Umfassend: von Datenexploration, Regression und Clustering bis Transformern, LLMs, Agenten und Reinforcement Learning- Mit zahlreichen Übungen und LösungenDas Potenzial von Machine Learning ist enorm, doch viele Entwicklerinnen und Entwickler schreckt die Komplexität des Themas ab. Ob Sie Ihre Fähigkeiten erweitern, Machine Learning in realen Projekten einsetzen oder verstehen möchten, wie KI-Systeme funktionieren - dieses Buch bietet einen idealen Einstieg.Aurélien Géron vermittelt anhand konkreter Praxisbeispiele und anschaulicher Erklärungen ein intuitives Verständnis zentraler Konzepte und Werkzeuge. Sie lernen moderne Frameworks und Bibliotheken wie Scikit-Learn, PyTorch und Hugging Face sowie eine Vielzahl von Techniken und Methoden kennen - von Basics wie Regression bis hin zu fortgeschrittenen Deep Neural Networks, Large Language Models und KI-Agenten.- Verstehen Sie die Grundlagen des Machine Learning, einschließlich Konzepten wie Overfitting und Hyperparameter-Tuning- Führen Sie ein vollständiges ML-Projekt mit Scikit-Learn durch - von der Datenexploration bis zur Modellbewertung- Lernen Sie Techniken für unüberwachtes Lernen wie Clustering und Anomalieerkennung- Entwickeln Sie mit PyTorch fortgeschrittene Architekturen wie Transformer-basierte Chatbots und Diffusionsmodelle- Nutzen Sie vortrainierte Modelle, einschließlich LLMs, und optimieren und beschleunigen Sie sie - Trainieren Sie autonome Agenten mithilfe von Reinforcement Learning

Through a recent series of breakthroughs, deep learning has boosted the entire field of machine learning. Now, even programmers who know close to nothing about this technology can use simple, efficient tools to implement programs capable of learning from data. This bestselling book uses concrete examples, minimal theory, and production-ready Python frameworks (Scikit-Learn, Keras, and TensorFlow) to help you gain an intuitive understanding of the concepts and tools for building intelligent systems. With this updated third edition, author Aurélien Géron explores a range of techniques, starting with simple linear regression and progressing to deep neural networks. Numerous code examples and exercises throughout the book help you apply what you've learned. Programming experience is all you need to get started. - Use Scikit-learn to track an example ML project end to end - Explore several models, including support vector machines, decision trees, random forests, and ensemble methods - Exploit unsupervised learning techniques such as dimensionality reduction, clustering, and anomaly detection - Dive into neural net architectures, including convolutional nets, recurrent nets, generative adversarial networks, autoencoders, diffusion models, and transformers - Use TensorFlow and Keras to build and train neural nets for computer vision, natural language processing, generative models, and deep reinforcement learning