Hands on Machine Learning with Scikit Learn Keras and TensorFlow

Praktisches ML mit Scikit-Learn, Keras & TF von Aurelien Geron

Dieses Repo enthält Notizen und Code, die Teil 1 von Aurelien Gerons Buch „Hands-on ML with Scikit-Learn, Keras & TF“ begleiten. Das Buch bietet einen umfassenden Überblick über Datenwissenschaft, maschinelles Lernen (mit scikit-learn ) und Deep Learning (mit tensorflow ).

Das Buch geht davon aus, dass Sie so gut wie nichts über maschinelles Lernen wissen. Es verwendet produktionsbereite Python-Frameworks wie:

• Scikit-Learn
• Keras
• TensorFlow

Der Autor bevorzugt einen praktischen Ansatz anhand einer Reihe von Arbeitsbeispielen und nur ein wenig Theorie. Voraussetzungen:

• Etwas Erfahrung in der Python-Programmierung
• Vertrautheit mit NumPy, Pandas und Matplotlib
• Ein angemessenes Verständnis der Mathematik auf Hochschulniveau (Infinitesimalrechnung, Wahrscheinlichkeitsrechnung, lineare Algebra und Statistik)

Der erste Teil des Buches basiert hauptsächlich auf Scikit-Learn , während der zweite Teil Keras/TensorFlow verwendet.

Roadmap

Die Grundlagen des maschinellen Lernens

Wir stellen Links zu den verfügbaren Notizbüchern bereit:

• Die Landschaft des maschinellen Lernens
• End-to-End-Projekt für maschinelles Lernen
• Einstufung
• Trainingsmodelle
• Unterstützen Sie Vektormaschinen
• Entscheidungsbäume
• Ensemble-Lernen und zufällige Wälder
• Dimensionsreduktion
• Unbeaufsichtigte Lerntechniken

---