Es wurden 1606 Produkte zu dem Suchbegriff Machine Learning in 12 Shops gefunden:

Das MicroMod Machine Learning Carrier Board kombiniert einige der Funktionen unserer SparkFun Edge Board und SparkFun Artemis Boards, gibt Ihnen aber die Freiheit, mit jedem Prozessor der MicroMod-Reihe zu experimentieren, ohne dass Sie einen zentralen Computer oder eine Webverbindung benötigen. Spracherkennung, Always-on-Sprachbefehle, Gesten- oder Bilderkennung sind mit TensorFlow-Anwendungen möglich. Die Cloud ist beeindruckend leistungsfähig, aber die ständige Verbindung erfordert Strom und Konnektivität, die möglicherweise nicht verfügbar sind. Edge Computing übernimmt diskrete Aufgaben wie die Feststellung, ob jemand "Ja" gesagt hat, und reagiert entsprechend. Die Audioanalyse wird auf der MicroMod-Kombination und nicht im Web durchgeführt. Dadurch werden die Kosten und die Komplexität drastisch reduziert, während gleichzeit...

Binding : Taschenbuch, Label : First Interactive, Publisher : First Interactive, medium : Taschenbuch, publicationDate : 2019-02-07, translators : Daniel Rougé, ISBN : 2412043566

Der kompakte Schnelleinstieg in Machine Learning und Deep Learning Die 3. Auflage des Bestsellers wurde ergänzt durch Kapitel zu Large Language Models wie ChatGPT und zu MLOps Anhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung Nicht nur für zukünftige Data Scientists und ML-Profis geeignet, sondern durch seine durchdachte Didaktik auch für Interessierte, die nur am Rande mit ML zu tun haben, wie z.B. Softwareentwickler*innen Machine Learning beeinflusst heute beinahe alle Bereiche der Technik und der Gesellschaft. Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des maschinellen Lernens und der statistischen Datenanalyse. Dabei werden folgende Themen behandelt und mit praktischen Beispielen veranschaulicht: Datenvorbereitung, Feature-Auswahl, Modellvalidierung Supervised und Unsupervised Learning Neuronale Netze und Deep Learning Reinforcement Learning LLMs – moderne Sprachmodelle MLOps – Machine Learning für die Praxis Anhand von Beispieldatensätzen lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. Mit den Codebeispielen kannst du in Jupyter Notebooks experimentieren. Sie basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras. Nach der Lektüre dieses Buchs hast du einen Überblick über das gesamte Thema und kannst Ansätze einordnen und bewerten. Das Buch vermittelt dir eine solide Grundlage, um erste eigene Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen.

Die Idee hinter dem BrainCraft HAT ist, dass man mit Mikrocontrollern und Mikrocomputern Gehirne für maschinelles Lernen herstellen kann. Auf ASK AN ENGINEER plauderte unser Gründer & Ingenieur mit Pete Warden, dem technischen Leiter der mobilen, eingebetteten TensorFlow-Gruppe im Brain-Team von Google? darüber, was für ein solches Board ideal wäre. Und hier?ist, was wir entworfen haben! Das BrainCraft HAT hat ein 240×240 TFT IPS-Display für die Inferenzausgabe, Steckplätze für Kameraanschlusskabel für bildgebende Projekte, einen 5-Wege-Joystick, einen Knopf für die UI-Eingabe, ein linkes und ein rechtes Mikrofon, einen Stereo-Kopfhörerausgang, einen 1-W-Stereo-Lautsprecherausgang, drei RGB-DotStar-LEDs, zwei 3-polige STEMMA-Anschlüsse an PWM-Pins, so dass sie NeoPixels oder Servos ansteuern können, ...

Brand : SAS Institute, Binding : Taschenbuch, Label : SAS Institute, Publisher : SAS Institute, medium : Taschenbuch, numberOfPages : 168, publicationDate : 2019-06-21, releaseDate : 2019-06-21, ISBN : 1642954764

Dieses Buch beschreibt Theorie und Anwendungen aus dem Bereich des Online Maschine Learnings (OML), wobei der Fokus auf Verfahren des überwachten Lernens liegt. Es werden Verfahren zur Drifterkennung und -behandlung beschrieben. Verfahren zur nachträglichen Aktualisierung der Modelle sowie Methoden zur Modellbewertung werden dargestellt. Besondere Anforderungen aus der amtlichen Statistik (unbalancierte Daten, Interpretierbarkeit, etc.) werden berücksichtigt. Aktuelle und mögliche Anwendungen werden aufgelistet. Ein Überblick über die verfügbaren Software-Tools wird gegeben. Anhand von zwei Studien (“simulierten Anwendungen”) werden Vor- und Nachteile des OML-Einsatz in der Praxis experimentell analysiert. Das Buch eignet sich als Handbuch für Experten, Lehrbuch für Anfänger und wissenschaftliche Publikation, da es den neuesten Stand der Forschung wiedergibt. Es kann auch als OML-Consulting dienen, indem Entscheider und Praktiker OML anpassen und für ihre Anwendung einsetzen, um abzuwägen, ob die Vorteile die Kosten aufwiegen.

Das Artemis Modul von SparkFun ist ein Cortex-M4F mit BLE 5.0, der mit bis zu 96MHz und einem Stromverbrauch von nur 6uA pro MHz (weniger als 5mW) arbeitet. Dies ist das weltweit erste Modul, das eine Brücke zwischen Hobbyisten und Consumer-Produkten schlägt. Wir haben die gesamte Leistung eines modernen Mikrocontrollers in ein Modul gepackt, das sowohl extrem einfach zu bedienen als auch massenmarkttauglich ist. Die Flexibilität des Artemis-Moduls beginnt mit unserem Arduino-Kern . Sie können das Artemis-Modul genauso programmieren und verwenden wie einen Uno oder einen anderen Arduino. Bis zum ersten Blinken vergehen nur 5 Minuten! Wir haben den Kern von Grund auf neu entwickelt, um ihn schnell und so leicht wie möglich zu machen. Als nächstes kommt das Modul selbst. Mit einer Größe von 10x15mm verfügt das Artemis Modul über alle unt...

Binding : Taschenbuch, Edition : 1, Label : dpunkt.verlag GmbH, Publisher : dpunkt.verlag GmbH, medium : Taschenbuch, numberOfPages : 396, publicationDate : 2020-09-03, authors : Paolo Perrotta, ISBN : 386490787X

Dieses essential befasst sich mit Anwendungen des maschinellen Lernens in verschiedenen Bereichen der Naturwissenschaften. Es behandelt geläufige Strukturen und Algorithmen, um Daten mit den Techniken des maschinellen Lernens zu analysieren. Zunächst werden Methoden eingeführt, die an klassischen statistischen Analysen andocken und auf soliderem mathematischem Fundament stehen. Die Autoren machen mit den verschiedenen Strukturen für künstliche neuronale Netzwerke vertraut und zeigen die jeweiligen Anwendungsgebiete.

Brand : SAS Institute, Binding : Gebundene Ausgabe, Label : SAS Institute, Publisher : SAS Institute, medium : Gebundene Ausgabe, numberOfPages : 386, publicationDate : 2020-05-29, releaseDate : 2020-05-29, ISBN : 1951685393

- 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: E-Book inside. Systemvoraussetzungen für E-Book inside: Internet-Verbindung und Adobe-Reader oder Ebook-Reader bzw. Adobe Digital Editions.

Brand : SAS Institute, Binding : Taschenbuch, Label : SAS Institute, Publisher : SAS Institute, medium : Taschenbuch, numberOfPages : 386, publicationDate : 2020-05-30, releaseDate : 2020-05-30, ISBN : 195168530X

Bachelorarbeit aus dem Jahr 2021 im Fachbereich Ingenieurwissenschaften - Wirtschaftsingenieurwesen, Note: 1,7, Hochschule Albstadt-Sigmaringen; Albstadt, Sprache: Deutsch, Abstract: Der Autor macht sich mit dieser Arbeit zur Aufgabe, dem Leser einen klaren Überblick über die Grundprinzipien von Machine Learning zu verschaffen. Der Fokus hierbei liegt bei den Potenzialen und Hürden von Machine Learning. Vorerst werden Grundbegriffe, die im Machine Learning häufig wiederzufinden sind, und die für das weitere Verständnis essenziell sind, genauer erläutert. Machine Learning wird unterteilt in verschiedene Arten des Lernens sowie Lernmodelle und anhand dieser Arten werden die Potenziale vorgestellt und analysiert. Ebenso werden vorhandene Hürden vorab vorgestellt, analysiert und bewertet. Der Einfluss von Machine Learning Anwendungen bzw. Technologien auf die Unternehmen wird mit Hilfe einer Marktanalyse durchleuchtet und angesichts dieser Erkenntnisse wird eine Prognose abgegeben. Zuerst werden dem Leser einige Begriffe erklärt, die mit der Thematik zu tun haben. Anschließend im nächsten Kapitel, wird dem Leser der Begriff 'Machine Learning' genauer erläutert, damit man einen Grundbaustein für das Verständnis der weiteren Themen hat. Des Weiteren werden dem Leser mehrere Arten von ML vorgestellt und anschließend auch einige Modelle, die beim Machine Learning aktuell Anwendung finden bzw. auch in der Vergangenheit bereits genutzt wurden. Bei den Potenzialen wird hauptsächlich auf Deep Learning eingegangen, da diese Technologie die größte Aufmerksamkeit im Machine Learning auf sich zieht. Dabei haben die Begriffe Deep Learning im allgemeinen, Transfer-Lernen, One-Shot-Lernen je eine besondere Bedeutung. Im anschließenden Kapitel werden die Hürden vorgestellt, hierzu gibt es sowohl technische, gesellschaftliche als auch ethische Hürden. Auch diese Hürden wurden auf ihre Überwindbarkeit bewertet. Das letzte Kapitel ist die Marktanalyse von ML-Anwendungen, ob und inwieweit sich dieser Markt entwickeln wird und was dies für die Unternehmen bedeutet. Zum Schluss werden die Ergebnisse der Arbeit analysiert und die Forschungsfrage wird daraufhin beantwortet.

Binding : Taschenbuch, Label : First Interactive, Publisher : First Interactive, medium : Taschenbuch, publicationDate : 2019-11-21, translators : Daniel Rougé, ISBN : 2412050708

Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, Keras, TensorFlow 2, Pandas und Matplotlib Best Practices zur Optimierung Ihrer Machine-Learning-Algorithmen Mit diesem Buch erhalten Sie eine umfassende Einführung in die Grundlagen und den effektiven Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür setzen Sie ein breites Spektrum leistungsfähiger Python-Bibliotheken ein, insbesondere Keras, TensorFlow 2 und Scikit-learn. Auch die für die praktische Anwendung unverzichtbaren mathematischen Konzepte werden verständlich und anhand zahlreicher Diagramme anschaulich erläutert. Die dritte Auflage dieses Buchs wurde für TensorFlow 2 komplett aktualisiert und berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dazu zählen insbesondere die neuen Features der Keras-API, das Synthetisieren neuer Daten mit Generative Adversarial Networks (GANs) sowie die Entscheidungsfindung per Reinforcement Learning. Ein sicherer Umgang mit Python wird vorausgesetzt. Aus dem Inhalt: Trainieren von Lernalgorithmen und Implementierung in Python Gängige Klassifikationsalgorithmen wie Support Vector Machines (SVM), Entscheidungsbäume und Random Forest Natural Language Processing zur Klassifizierung von Filmbewertungen Clusteranalyse zum Auffinden verborgener Muster und Strukturen in Ihren Daten Deep-Learning-Verfahren für die Bilderkennung Datenkomprimierung durch Dimensionsreduktion Training Neuronaler Netze und GANs mit TensorFlow 2 Kombination verschiedener Modelle für das Ensemble Learning Einbettung von Machine-Learning-Modellen in Webanwendungen Stimmungsanalyse in Social Networks Modellierung sequenzieller Daten durch rekurrente Neuronale Netze Reinforcement Learning und Implementierung von Q-Learning-Algorithmen

Binding : Taschenbuch, Label : Editions ENI, Publisher : Editions ENI, Format : Blaues Buch, medium : Taschenbuch, numberOfPages : 283, publicationDate : 2021-07-13, releaseDate : 2021-07-13, authors : Patrick, Wampe, ISBN : 2409027601

Nach der erfolgreichen visuellen Methode des YouTube-Kanals »StatQuest with Josh Starmer« mit über 900.000 Abonnenten Bild für Bild lernen: vollständig illustrierter Guide zu den wichtigsten Machine-Learning-Konzepten Alle Grundlagen von Statistik über Algorithmen bis hin zu neuronalen Netzen Machine Learning ist ein mächtiges Werkzeug, kann aber auch unheimlich kompliziert erscheinen. Genau hier setzt dieses Buch an. Jedes Konzept wird anschaulich anhand von einfachen Bildern erläutert. Egal wie schwierig ein Machine-Learning-Algorithmus ist, der Autor zerlegt ihn in kleine, leicht verständliche Häppchen. So erhältst du ein grundlegendes Verständnis für die einzelnen Methoden, das über die bloßen Formeln hinausgeht. Dieses Buch hat nicht zum Ziel, die Konzepte zu vereinfachen. Vielmehr bekommst du mit verständlichen und unterhaltsamen Erläuterungen alles Notwendige an die Hand, um ein grundlegendes und zugleich tiefes Verständnis für Machine Learning aufzubauen. Das Buch setzt keine Vorkenntnisse voraus und erläutert alle Grundlagen Bild für Bild. Es zeigt dir, was Machine Learning ist und auf welchen Konzepten selbstfahrende Autos und Gesichtserkennung beruhen. Aus dem Inhalt: Grundlegende Konzepte des Machine Learnings Klassifikation und Kreuzvalidierung Statistik-Grundlagen Lineare und logistische Regression Gradientenabstiegsverfahren Naive Bayes Überanpassung vermeiden durch Regularisierung Entscheidungsbäume Support Vector Machines (SVMs) Neuronale Netze

Binding : Gebundene Ausgabe, Edition : 1, Label : De Gruyter, Publisher : De Gruyter, medium : Gebundene Ausgabe, numberOfPages : 153, publicationDate : 2020-04-20, publishers : Rik Das, Siddhartha Bhattacharyya, Sudarshan Nandy, ISBN : 3110608537

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 Lösungen Maschinelles 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

Binding : Gebundene Ausgabe, Label : Information Science Reference, Publisher : Information Science Reference, medium : Gebundene Ausgabe, numberOfPages : 738, publicationDate : 2011-07-31, releaseDate : 2011-07-31, authors : Irma, ISBN : 1668431793