6,989 Results for : python

  • Thumbnail
    This book teaches basic techniques for produce visualizations of tables, time series, maps, text, and networks that communicate data and analyses creatively and effectively. The step by step presentation helps readers learn coding in R and Python while simultaneously becoming familiar with the advantages and disadvantages of each visual.
    • Shop: buecher
    • Price: 100.99 EUR excl. shipping
  • Thumbnail
    This book teaches basic techniques for produce visualizations of tables, time series, maps, text, and networks that communicate data and analyses creatively and effectively. The step by step presentation helps readers learn coding in R and Python while simultaneously becoming familiar with the advantages and disadvantages of each visual.
    • Shop: buecher
    • Price: 39.99 EUR excl. shipping
  • Thumbnail
    Data-driven discovery is revolutionizing how we model, predict, and control complex systems. This text integrates emerging machine learning and data science methods for engineering and science communities. Now with Python and MATLAB (R), new chapters on reinforcement learning and physics-informed machine learning, and supplementary videos and code.
    • Shop: buecher
    • Price: 64.99 EUR excl. shipping
  • Thumbnail
    Hörbeispiele|CD 1|ALLES LUEGE|Alles nur geklaut / Prinzen|Always look on the bright side of life / Python Monty|Another brick in the wall / Pink Floyd|Blowin' in the wind / Dylan Bob|Boat on the river|California dreamin' / Mamas And Papas|Can't help falling in love / Presley Elvis|Carbonara|Conquest of paradise / Vangelis|Der Papagei ein Vogel ist|Die da|Don't worry be happy / McFerrin Bobby|Dona dona|EISZEIT|CD2|Eye of the tiger / Survivor|Frankreich Frankreich|Freiheit|GANGST S PARADISE|A groovy kind of love / Collins Phil|HIEMWEH|Heute hier morgen dort|Horizont|Ich wollt ich wär ein Huhn / Kreuder Peter|Knockin' on heaven's door|La isla bonita / Madonna|Lady in black|Learning to fly|Leaving on a jet plane / Denver John|Let it be / Beatles|CD 3|LOOSING MY RELIGION|Love is all around / Wet Wet Wet|Mädchen|Marmor Stein und Eisen bricht / Deutscher Drafi|Mein kleiner grüner Kaktus|MIT 18 / Mueller Westernhagen Marius|Moonlight shadow / Oldfield Mike|Morning has broken|Rain in may|RIESEN GLUECK|BABYLON FRIEDENSKANON|Rivers of Babylon / Boney M|Rock around the clock / Haley Bill|ROLLMOPS|Sag mir wo die Blumen sind (Where have all the flowers gone)|CD4|Sailing|Schuld war nur der Bossa Nova|Seasons in the sun|Spinning wheel|Streets of London|Take me home country roads / Denver John|Time after time|Über sieben Brücken musst du gehn|We will rock you / Queen|WENN EIN MENSCH LEBT|Wind of change / Scorpions|With a little help from my friends / Beatles|Yellow submarine / Beatles|Yesterday / Beatles|YOU VE GOT A FRIEND
    • Shop: Notenbuch
    • Price: 71.00 EUR excl. shipping
  • Thumbnail
    Applied Mathematics with Open-source Software: Operational Research Problems with Python and R is aimed at a broad segment of readers who wish to learn how to use open-source software to solve problems in applied mathematics. The book has an innovative structure with 4 sections of two chapters covering a large range of applied mathematical techniques: probabilistic modelling, dynamical systems, emergent behaviour and optimisation. The pairs of chapters in each section demonstrate different families of solution approaches. Each chapter starts with a problem, gives an overview of the relevant theory, shows a solution approach in R and in Python, and finally gives wider context by including a number of published references. This structure will allow for maximum accessibility, with minimal prerequisites in mathematics or programming as well as giving the right opportunities for a reader wanting to delve deeper into a particular topic. Features An excellent resource for scholars of applied mathematics and operational research, and indeed any academics who want to learn how to use open-source software. Offers more general and accessible treatment of the subject than other texts, both in terms of programming language but also in terms of the subjects considered. The R and Python sections purposefully mirror each other so that a reader can read only the section that interests them. An accompanying open-source repository with source files and further examples is posted online at https://bit.ly/3kpoKSd.
    • Shop: buecher
    • Price: 37.95 EUR excl. shipping
  • Thumbnail
    Applied Mathematics with Open-source Software: Operational Research Problems with Python and R is aimed at a broad segment of readers who wish to learn how to use open-source software to solve problems in applied mathematics. The book has an innovative structure with 4 sections of two chapters covering a large range of applied mathematical techniques: probabilistic modelling, dynamical systems, emergent behaviour and optimisation. The pairs of chapters in each section demonstrate different families of solution approaches. Each chapter starts with a problem, gives an overview of the relevant theory, shows a solution approach in R and in Python, and finally gives wider context by including a number of published references. This structure will allow for maximum accessibility, with minimal prerequisites in mathematics or programming as well as giving the right opportunities for a reader wanting to delve deeper into a particular topic. Features An excellent resource for scholars of applied mathematics and operational research, and indeed any academics who want to learn how to use open-source software. Offers more general and accessible treatment of the subject than other texts, both in terms of programming language but also in terms of the subjects considered. The R and Python sections purposefully mirror each other so that a reader can read only the section that interests them. An accompanying open-source repository with source files and further examples is posted online at https://bit.ly/3kpoKSd.
    • Shop: buecher
    • Price: 37.95 EUR excl. shipping
  • Thumbnail
    Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlich Deep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht. Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz. Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen. Aus dem Inhalt: Parametrische und nichtparametrische Modelle Überwachtes und unüberwachtes Lernen Vorhersagen mit mehreren Ein- und Ausgaben Fehler messen und verringern Hot und Cold Learning Batch- und stochastischer Gradientenabstieg Überanpassung vermeiden Generalisierung Dropout-Verfahren Backpropagation und Forward Propagation Bilderkennung Verarbeitung natürlicher Sprache (NLP) Sprachmodellierung Aktivierungsfunktionen Sigmoid-Funktion Tangens hyperbolicus Softmax Convolutional Neural Networks (CNNs) Recurrent Neural Networks (RNNs) Long Short-Term Memory (LSTM) Deep-Learning-Framework erstellen
    • Shop: buecher
    • Price: 25.99 EUR excl. shipping
  • Thumbnail
    Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlich Deep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht. Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz. Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen. Aus dem Inhalt: Parametrische und nichtparametrische Modelle Überwachtes und unüberwachtes Lernen Vorhersagen mit mehreren Ein- und Ausgaben Fehler messen und verringern Hot und Cold Learning Batch- und stochastischer Gradientenabstieg Überanpassung vermeiden Generalisierung Dropout-Verfahren Backpropagation und Forward Propagation Bilderkennung Verarbeitung natürlicher Sprache (NLP) Sprachmodellierung Aktivierungsfunktionen Sigmoid-Funktion Tangens hyperbolicus Softmax Convolutional Neural Networks (CNNs) Recurrent Neural Networks (RNNs) Long Short-Term Memory (LSTM) Deep-Learning-Framework erstellen
    • Shop: buecher
    • Price: 25.99 EUR excl. shipping
  • Thumbnail
    Statistische Konzepte aus der Perspektive von Data Scientists erläutert Das Buch verbindet nützliche statistische Prinzipien mit der heutigen Praxis der Datenanalyse Es ermöglicht Data Scientists, ihr Wissen über Statistik auf ein neues Level zu bringen Als Übersetzung der 2. Auflage des US-Bestsellers enthält es Beispiele in Python und R Statistische Methoden sind ein zentraler Bestandteil der Arbeit mit Daten, doch nur wenige Data Scientists haben eine formale statistische Ausbildung. In Kursen und Büchern werden die Grundlagen der Statistik allerdings selten aus der Sicht von Data Scientists behandelt. Dieses praxisorientierte Handbuch erklärt Ihnen anhand zahlreicher Beispiele in Python und R, wie Sie verschiedene statistische Methoden speziell in den Datenwissenschaften anwenden.Das Buch erläutert, welche statistischen Konzepte für die Datenwissenschaften besonders relevant sind, und zeigt Ihnen auch, wie Sie den falschen Gebrauch von statistischen Verfahren vermeiden. Wenn Sie mit R oder Python vertraut sind, ermöglicht Ihnen diese gut lesbare Referenz ein tieferes Verständnis Ihrer Daten und Sie werden Ihr Statistikwissen für die Praxis deutlich ausbauen.In diesem Buch erfahren Sie: warum die explorative Datenanalyse ein wichtiger vorbereitender Arbeitsschritt in der Datenwissenschaft ist wie Zufallsstichproben Verzerrungen reduzieren und einen qualitativ hochwertigeren Datensatz liefern wie Sie mit den Prinzipien des experimentellen Designs eindeutige Antworten auf Ihre Forschungsfragen erhalten wie Sie eine Regression verwenden, um Prognosen zu treffen oder Anomalien zu erkennen auf welche Weise statistische Methoden aus dem Bereich des Machine Learning es ermöglichen, aus Daten zu lernen wie Sie Unsupervised Learning nutzen, um Erkenntnisse aus ungelabelten Daten zu gewinnen
    • Shop: buecher
    • Price: 41.10 EUR excl. shipping
  • Thumbnail
    Learning Genetic Algorithms with Python: Empower the Performance of Machine Learning and Artificial Intelligence Models with the Capabilities of a Powerful Search Algorithm (English Edition) ab 8.49 € als epub eBook: . Aus dem Bereich: eBooks, Sachthemen & Ratgeber, Computer & Internet,
    • Shop: hugendubel
    • Price: 8.49 EUR excl. shipping


Similar searches: