Machine Learning voor Dummies

Name: Machine Learning voor Dummies
Author: John Paul Mueller

Paperback Nederlands 2019 1e druk 9789045356150

Dit product is niet leverbaar

Samenvatting

Machine learning is een vorm van kunstmatige intelligentie die zich bezighoudt met de ontwikkeling van algoritmes en technieken waarmee computers kunnen leren. Het gebruik van machine learning door bedrijven neemt wereldwijd explosief toe.

Als je vertrouwd wil raken met de basisbegrippen van machine learning en het wil gebruiken om praktische taken uit te voeren, is 'Machine learning voor Dummies' de broodnodige handleiding voor jou! Leer hoe dagelijkse activiteiten worden aangedreven door machine learning en krijg inzicht in de programmeertalen en tools die je nodig hebt.

Of je nu gek bent van de wiskunde achter machine learning, of bezorgd over kunstmatige intelligentie, deze gids maakt het gemakkelijker om machine learning naadloos te begrijpen en te implementeren.

Specificaties

ISBN13:9789045356150

Trefwoorden:Kunstmatige intelligentie, Artificiële intelligentie, machine learning

Taal:Nederlands

Bindwijze:paperback

Aantal pagina's:432

Uitgever:BBNC Uitgevers

Druk:1

Verschijningsdatum:30-4-2019

Hoofdrubriek:IT-management / ICT

Serie:Dummies (Nederlandstalig)

Lezersrecensies

Wees de eerste die een lezersrecensie schrijft!

Schrijf een recensie

Uw cijfer

?

Log in om te stemmen

Inhoudsopgave

U kunt van deze inhoudsopgave een PDF downloaden

Inleiding

Deel 1: Inleiding in machine learning
1. De waarheid over AI
2. Leren in het tijdperk van big data
3. Een blik op de toekomst

Deel 2: Gereedschap voor machine learning
4. Een R-distributie installeren
5. Met RStudio in R coderen
6. Een Python-distributie installeren
7. Coderen in Python met Anaconda
8. Andere hulpmiddelen voor machine learning

Deel 3: Aan de slag met wiskundige beginselen
9. De wiskunde achter machine learning doorgronden
10. De juiste curve zoeken
11. Machine learning valideren
12. Eenvoudige algoritmen

Deel 4: Slimme gegevens en big data inzetten
13. Gegevens voorbereiden
14. Gebruikmaken van gelijkenissen
15. Op eenvoudige wijze met lineaire modellen werken
16. De complexiteit van neurale netwerken
17. Een stap verder met Support Vector Machines
18. Ensembles van zelflerende algoritmen

Deel 5: Machine learning op echte problemen toepassen
19. Afbeeldingen classificeren
20. Meningen en gevoelens classificeren
21. Producten en films aanbevelen

Deel 6: Het deel van de tientallen
22. Tien pakketten voor machine learning
23. Tien manieren om modellen voor machine learning te verbeteren

Index