Mastering Machine Learning: From Basics to Advanced
Sorozatcím: Transactions on Computer Systems and Networks;
-
8% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 230.07
-
97 595 Ft (92 948 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 8% (cc. 7 808 Ft off)
- Discounted price 89 788 Ft (85 512 Ft + 5% áfa)
97 595 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 2025
- Kiadó Springer
- Megjelenés dátuma 2025. június 4.
- Kötetek száma 1 pieces, Book + Online Course
- ISBN 9789819799138
- Kötéstípus Kötés ismeretlen
- Terjedelem250 oldal
- Méret 235x155 mm
- Nyelv angol
- Illusztrációk 89 Illustrations, black & white; 257 Illustrations, color 700
Kategóriák
Rövid leírás:
This book covers all aspects of machine learning (ML) from concepts and math to ML programming. ML concepts and the math associated with ML are written from an application perspective, rather than from a theoretical perspective. The book presents concepts and algorithms precisely as they are used in real-world applications, ensuring a seamless and practical understanding with no gap between theory and practice.
In a distinctive approach, the book's content is complemented by video lectures whose details can be found inside the book. This innovative approach offers readers a multimedia learning experience, accommodating different learning preferences, and reinforcing the material through visual and auditory means. If you are new to Artificial Intelligence and Machine Learning, this could be the first book you read and the first video course you take.
TöbbHosszú leírás:
This book covers all aspects of machine learning (ML) from concepts and math to ML programming. ML concepts and the math associated with ML are written from an application perspective, rather than from a theoretical perspective. The book presents concepts and algorithms precisely as they are used in real-world applications, ensuring a seamless and practical understanding with no gap between theory and practice.
In a distinctive approach, the book's content is complemented by video lectures whose details can be found inside the book. This innovative approach offers readers a multimedia learning experience, accommodating different learning preferences, and reinforcing the material through visual and auditory means. If you are new to Artificial Intelligence and Machine Learning, this could be the first book you read and the first video course you take.
TöbbTartalomjegyzék:
Chapter 1: Introduction.- Chapter 2: Python Programming Using Google Cloud (COLAB).- Chapter 3: Introduction to Colab: Google Cloud Development Environment.- Chapter 4: Getting started with python.-Chapter 5: Conditions.- Chapter 6: Loops.- Chapter 7: Functions.- Chapter 8: Arrays.- Chapter 9: NumPy.-Chapter 10: PANDAS.- Chapter 11: Data Visualization using Matplotlib.- Chapter 12: Dependent Vs. Independent Variables.- Chapter 13: Types of Data.- Chapter 14: Population Vs. Sample.- Chapter 15: Hypothesis Testing.- Chapter 16: Machine Learning Concepts .- Chapter 17: Measuring Accuracy in Algorithms.- Chapter 18: Understanding Regression Concepts.- Chapter 19: Simple Linear Regression (Programming).- Chapter 20: Advanced Data Visualization for Regression.- Chapter 21: Multiple Linear Regression (Programming).- Chapter 22: Gradient Descent.- Chapter 23: Logistic Regression (Programming).- Chapter 24: Unsupervised Learning ? Concepts & Programming.- Chapter 25: Exploratory Data Analysis.
Több
