538°
Gepostet 28 Oktober 2022
PACKT Python Machine Learning Third Edition December 2019
Geteilt von
AStrop
Mitglied seit 2011
3
839
Über diesen Deal
Update: Nachdem der Deal jetzt einige Tage nicht verfügbar war, kann man sich das Buch aktuell wieder holen.
Bin gerade darüber gestolpert, dass es obiges Buch bei Packt momentan kostenlos als PDF-Download gibt, wenn man sich zum Newsletter anmeldet. Ist glücklicherweise nicht allzu viel Aufwand, die wollen nur einen Namen und eine E-Mail-Adresse. Der Download-Link wird dann an die angegebene E-Mail-Adresse geschickt.
Manche Wegwerf-Mail-Anbieter scheinen zu funktionieren. 10minutemail wurde abgelehnt, aber die Empfehlung tmail.gg von Schlaubi94 unten aus den Kommentaren funktioniert gut.
Packt will für das Buch normalerweise offenbar 30€ haben. Bei Amazon gäbe es die Kindle-Version für 23€. Naja, über die Qualität der Packt-Bücher wird ja gerne mal kontrovers diskutiert, aber bei einem ersten schnellen Durchblättern der über 700 Seiten scheint mir das gar nicht so übel zu sein. Naja, für lau kann man das denke ich schon mal mitnehmen.
Übrigens, die PDF-Datei, die man dann runterladen kann, hat dann ein "personalisiertes" "Wasserzeichen"!
Edit:
Habe jetzt mal noch die Haupt-Überschriften aus dem Inhaltsverzeichnis rausgepickt, damit man sich über den Umfang des Buches (insgesamt ~770 Seiten) vielleicht ein besseres Bild machen kann.
Chapter 1: Giving Computers the Ability to Learn from Data S.1
Chapter 2: Training Simple Machine Learning Algorithms for Classification S.19
Chapter 3: A Tour of Machine Learning Classifiers Using scikit-learn S.53
Chapter 4: Building Good Training Datasets - Data Preprocessing S.109
Chapter 5: Compressing Data via Dimensionality Reduction S.145
Chapter 6: Learning Best Practices for Model Evaluation and Hyperparameter Tuning S.191
Chapter 7: Combining Different Models for Ensemble Learning S.223
Chapter 8: Applying Machine Learning to Sentiment Analysis S.259
Chapter 9: Embedding a Machine Learning Model into a Web Application S.285
Chapter 10: Predicting Continuous Target Variables with Regression Analysis S.315
Chapter 11: Working with Unlabeled Data – Clustering Analysis S.353
Chapter 12: Implementing a Multilayer Artificial Neural Network from Scratch S.383
Chapter 13: Parallelizing Neural Network Training with TensorFlow S.425
Chapter 14: Going Deeper – The Mechanics of TensorFlow S.471
Chapter 15: Classifying Images with Deep Convolutional Neural Networks S.517
Chapter 16: Modeling Sequential Data Using Recurrent Neural Networks S.567
Chapter 17: Generative Adversarial Networks for Synthesizing New Data S.619
Chapter 18: Reinforcement Learning for Decision Making in Complex Environments S.671
Index S.725
Bin gerade darüber gestolpert, dass es obiges Buch bei Packt momentan kostenlos als PDF-Download gibt, wenn man sich zum Newsletter anmeldet. Ist glücklicherweise nicht allzu viel Aufwand, die wollen nur einen Namen und eine E-Mail-Adresse. Der Download-Link wird dann an die angegebene E-Mail-Adresse geschickt.
Manche Wegwerf-Mail-Anbieter scheinen zu funktionieren. 10minutemail wurde abgelehnt, aber die Empfehlung tmail.gg von Schlaubi94 unten aus den Kommentaren funktioniert gut.
Packt will für das Buch normalerweise offenbar 30€ haben. Bei Amazon gäbe es die Kindle-Version für 23€. Naja, über die Qualität der Packt-Bücher wird ja gerne mal kontrovers diskutiert, aber bei einem ersten schnellen Durchblättern der über 700 Seiten scheint mir das gar nicht so übel zu sein. Naja, für lau kann man das denke ich schon mal mitnehmen.
Übrigens, die PDF-Datei, die man dann runterladen kann, hat dann ein "personalisiertes" "Wasserzeichen"!
Edit:
Habe jetzt mal noch die Haupt-Überschriften aus dem Inhaltsverzeichnis rausgepickt, damit man sich über den Umfang des Buches (insgesamt ~770 Seiten) vielleicht ein besseres Bild machen kann.
Chapter 1: Giving Computers the Ability to Learn from Data S.1
Chapter 2: Training Simple Machine Learning Algorithms for Classification S.19
Chapter 3: A Tour of Machine Learning Classifiers Using scikit-learn S.53
Chapter 4: Building Good Training Datasets - Data Preprocessing S.109
Chapter 5: Compressing Data via Dimensionality Reduction S.145
Chapter 6: Learning Best Practices for Model Evaluation and Hyperparameter Tuning S.191
Chapter 7: Combining Different Models for Ensemble Learning S.223
Chapter 8: Applying Machine Learning to Sentiment Analysis S.259
Chapter 9: Embedding a Machine Learning Model into a Web Application S.285
Chapter 10: Predicting Continuous Target Variables with Regression Analysis S.315
Chapter 11: Working with Unlabeled Data – Clustering Analysis S.353
Chapter 12: Implementing a Multilayer Artificial Neural Network from Scratch S.383
Chapter 13: Parallelizing Neural Network Training with TensorFlow S.425
Chapter 14: Going Deeper – The Mechanics of TensorFlow S.471
Chapter 15: Classifying Images with Deep Convolutional Neural Networks S.517
Chapter 16: Modeling Sequential Data Using Recurrent Neural Networks S.567
Chapter 17: Generative Adversarial Networks for Synthesizing New Data S.619
Chapter 18: Reinforcement Learning for Decision Making in Complex Environments S.671
Index S.725
Mehr Details von
Zusätzliche Info
Bearbeitet von AStrop, 9 Dezember 2022
24 Kommentare
sortiert nachvelvet_husky hat aber oben/unten einen guten Einwand gebracht finde ich. Der Code in diesem Buch wird wahrscheinlich tatsächlich jetzt nach 3 Jahren nicht mehr zu 100% 1zu1 funktionieren, weil sich Python und die verwendeten Bibliotheken auch weiterentwickelt haben und da wird man sicherlich - auch wenn man den Code nicht komplett wegschmeißen muss - einiges ändern müssen, damit der wieder läuft.
Einfache Erklärungen finden sich auch auf YouTube. Ich kann da nur die Videos von 3Blue1Brown empfehlen. (bearbeitet)
Aber 2019 ist schon recht lange her...da wird sich doch bestimmt einiges getan haben seitdem
Mein geballtes Wissen über ExtJs (seinerzeit die brandaktuelle Version 3 ), Jasper, Birt hab ich genau daher.
Leider seit längerem zu grossen Teilen nur noch alter Krempel.
Und 3 Jahre sind schon ne halbe Ewigkeit.
Für ein Basisbuch und für umsonst aber total ok. (bearbeitet)
Deep Convolutional Neural Networks, Reinforcement Learning und GANs (Generative Adversarial Networks) sind doch auch heutzutage noch (nach einer Ewigkeit von 3 Jahren) immer noch aktuelle Buzzwords, oder etwa nicht?
Bin allerdings kein Profi in dem Bereich, man möge mich da gerne korrigieren.
Edit: Komisch, das hatte ich hier eigentlich als Antwort an gepostet. Merkwürdig. (bearbeitet)