Domain icml.de kaufen?
Wir ziehen mit dem Projekt
icml.de um.
Sind Sie am Kauf der Domain
icml.de interessiert?
Schicken Sie uns bitte eine Email an
domain@kv-gmbh.de
oder rufen uns an: 0541-76012653.
Domain icml.de kaufen?
Produkt zum Begriff Algorithmen:
-
Bhargava, Aditya Y: Algorithmen kapieren
Algorithmen kapieren , Visuelle Erläuterungen mit über 400 anschaulichen Illustrationen Mit einfachen Beispielen aus dem Alltag und zahlreichen Übungen Ausführlich kommentierter Beispielcode in Python Algorithmen kapieren ohne graue Theorie Ab sofort sind Algorithmen nicht mehr langweilig und trocken! Mit diesem Buch wird es dir leichtfallen, ihre Funktionsweise zu verstehen. Alle Algorithmen werden mithilfe von Beispielen aus dem täglichen Leben erläutert, z.B. der Unterschied zwischen Arrays und verketteten Listen anhand der Aufgabe, freie Plätze in einem Kinosaal zu finden. Für den Einsatz in der Praxis Du lernst die wichtigsten Algorithmen kennen, die dir dabei helfen, deine Programme zu beschleunigen, deinen Code zu vereinfachen und die gängigsten Aufgaben bei der Programmierung zu lösen. Dabei beginnst du mit einfachen Aufgaben wie Sortieren und Suchen. Mit diesen Grundlagen gerüstet kannst du auch schwierigere Aufgaben wie Datenkomprimierung oder künstliche Intelligenz in Angriff nehmen. Visuell und praxisnah Zu allen Erläuterungen findest du anschauliche Illustrationen und Diagramme sowie ausführlich kommentierten Beispielcode in Python. Übungsaufgaben mit Lösungen für jedes Kapitel helfen dir, dein Wissen zu testen und zu festigen. Aus dem Inhalt: Such-, Sortier- und Graphenalgorithmen Performance von Algorithmen analysieren (Landau-Notation) Arrays, verkettete Listen und Hashtabellen Bäume und balancierte Bäume Rekursion und Stacks Quicksort und das Teile-und-herrsche-Verfahren Dijkstra-Algorithmus für die Ermittlung des kürzesten Pfads Approximationsalgorithmen und NP-vollständige Probleme Greedy-Algorithmen Dynamische Programmierung Klassifikation und Regression mit dem k-Nächste-Nachbarn-Algorithmus Stimmen zum Buch »Das Buch schafft das Unmögliche: Mathe macht Spaß und ist einfach.« (- Sander Rossel, COAS Software Systems) »Algorithmen sind nicht langweilig! Die Lektüre des Buchs hat mir und meinen Studenten Spaß gemacht und war lehrreich.« (- Christopher Haupt, Mobirobo, Inc.) »Heutzutage gibt es praktisch keinen Aspekt des Lebens, der nicht durch einen Algorithmus optimiert wird. Dieses Buch sollte Ihre erste Wahl sein, wenn Sie eine gut erklärte Einführung in dieses Thema suchen.« (- Amit Lamba, Tech Overture, LLC) , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 29.99 € | Versand*: 0 € -
Steinkamp, Veit: Mathematische Algorithmen mit Python
Mathematische Algorithmen mit Python , Tauchen Sie ein in die Welt der Algorithmen und erforschen Sie die Verbindung zwischen Programmierung und Mathematik. Dr. Veit Steinkamp löst mit Ihnen Aufgaben aus verschiedenen Bereichen und zeigt, wie Rechnungen in Code umgesetzt werden. Sie lernen die grundlegenden Programm- und Datenstrukturen Pythons kennen und erfahren, welche Module Ihnen viel Arbeit abnehmen. Rasch programmieren Sie Algorithmen zum Lösen von Gleichungssystemen nach, automatisieren Kurvendiskussionen und berechnen Integrale. Abstrakte Zusammenhänge werden so deutlich, und ganz nebenbei verbessern Sie Ihre Python-Fähigkeiten und programmieren geschickter und gekonnter. Aus dem Inhalt: Python installieren und anwenden Daten- und Programmstrukturen Module: NumPy, SymPy, SciPy, Matplotlib Zahlen Gleichungssysteme Folgen und Reihen Funktionen Differenzial- und Integralrechnung Differenzialgleichungen Ausgleichsrechnungen Statistik Fraktale Geometrie Die Fachpresse zur Vorauflage: iX - Magazin für professionelle Informationstechnik: »Der Titel verspricht nicht zu viel. Man lernt nicht nur Mathematik, sondern spielend auch die Umsetzung von mathematischen Konzepten in ein Programm und damit die praktische Anwendung von Python.« c't: »Überhaupt beweist der Autor ein gutes didaktisches Händchen. Mit Hintergrundinformationen lockert er seinen Text auf; hinzu kommen zahlreiche Abbildungen mit Funktionsplots sowie gut gewählte Übungen.« , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 34.90 € | Versand*: 0 € -
Algorithmen und Datenstrukturen (Saake, Gunter~Sattler, Kai-Uwe)
Algorithmen und Datenstrukturen , Algorithmen und Datenstrukturen von Grund auf verstehen Fundierte Einführung mit klarem didaktischen Aufbau Mit konkreten Anwendungsbeispielen Eine reichhaltige Fundgrube für Lehre und Selbststudium Kenntnisse von Algorithmen und Datenstrukturen sind ein Grundbaustein des Studiums der Informatik und verwandter Fachrichtungen. Das Buch behandelt diese Thematik in Verbindung mit der Programmiersprache Java und schlägt so eine Brücke zwischen den klassischen Lehrbüchern zur Theorie von Algorithmen und Datenstrukturen und den praktischen Einführungen in eine konkrete Programmiersprache. Die konkreten Algorithmen und deren Realisierung in Java werden umfassend dargestellt. Daneben werden die theoretischen Grundlagen vermittelt, die in Programmiersprachen-Kursen oft zu kurz kommen: abstrakte Maschinenmodelle, Berechenbarkeit, Algorithmenparadigmen sowie parallele und verteilte Abläufe. Einen weiteren Schwerpunkt bilden Datenstrukturen wie Listen, Bäume, Graphen und Hashtabellen sowie deren objektorientierte Implementierung mit modernen Methoden der Softwareentwicklung. Die 6. Auflage führt neue Datenstrukturen und Algorithmen (z.B. Skip-Listen, weitere Hashverfahren und Graphalgorithmen) ein und berücksichtigt relevante Neuerungen der aktuellen Java-Versionen. Das Buch richtet sich an Studierende im Grundstudium an Universitäten und Fachhochschulen sowie an alle, die die Grundlagen der praktischen Informatik strukturiert erlernen wollen. Sie erwerben damit die Basis für die theoretischen und praktischen Vertiefungen im Hauptstudium und lernen gleichzeitig die Umsetzung in den »Alltag« der Softwareentwicklung kennen. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen , Auflage: 6., überarbeitete und erweiterte Auflage, Erscheinungsjahr: 202011, Produktform: Leinen, Autoren: Saake, Gunter~Sattler, Kai-Uwe, Auflage: 21006, Auflage/Ausgabe: 6., überarbeitete und erweiterte Auflage, Themenüberschrift: COMPUTERS / Programming / Algorithms, Fachschema: Algorithmus~EDV / Theorie / Programmieren / Datenstrukturen~Informatik~Java (EDV)~Programmiersprachen, Fachkategorie: Programmier- und Skriptsprachen, allgemein~Informatik, Bildungszweck: für die Hochschule, Warengruppe: HC/Informatik, Fachkategorie: Algorithmen und Datenstrukturen, Thema: Verstehen, Text Sprache: ger, Seitenanzahl: XIX, Seitenanzahl: 588, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Verlag: Dpunkt.Verlag GmbH, Verlag: Dpunkt.Verlag GmbH, Verlag: "dpunkt.verlag GmbH", Länge: 246, Breite: 175, Höhe: 40, Gewicht: 1217, Produktform: Gebunden, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Genre: Mathematik/Naturwissenschaften/Technik/Medizin, Vorgänger EAN: 9783864901362 9783898646635 9783898643856 9783898642552 9783898641227, Herkunftsland: DEUTSCHLAND (DE), Katalog: deutschsprachige Titel, Katalog: Gesamtkatalog, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0002, Tendenz: -1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel, WolkenId: 498657
Preis: 44.90 € | Versand*: 0 € -
Ekman, Magnus: Learning Deep Learning
Learning Deep Learning , NVIDIA's Full-Color Guide to Deep Learning: All StudentsNeed to Get Started and Get Results Learning Deep Learning is a complete guide to DL.Illuminating both the core concepts and the hands-on programming techniquesneeded to succeed, this book suits seasoned developers, data scientists,analysts, but also those with no prior machine learning or statisticsexperience. After introducing the essential building blocks of deep neural networks, such as artificial neurons and fully connected, convolutional, and recurrent layers,Magnus Ekman shows how to use them to build advanced architectures, includingthe Transformer. He describes how these concepts are used to build modernnetworks for computer vision and natural language processing (NLP), includingMask R-CNN, GPT, and BERT. And he explains how a natural language translatorand a system generating natural language descriptions of images. Throughout, Ekman provides concise, well-annotated code examples usingTensorFlow with Keras. Corresponding PyTorch examples are provided online, andthe book thereby covers the two dominating Python libraries for DL used inindustry and academia. He concludes with an introduction to neural architecturesearch (NAS), exploring important ethical issues and providing resources forfurther learning. Exploreand master core concepts: perceptrons, gradient-based learning, sigmoidneurons, and back propagation See how DL frameworks make it easier to developmore complicated and useful neural networks Discover how convolutional neuralnetworks (CNNs) revolutionize image classification and analysis Apply recurrentneural networks (RNNs) and long short-term memory (LSTM) to text and othervariable-length sequences Master NLP with sequence-to-sequence networks and theTransformer architecture Build applications for natural language translation andimage captioning , >
Preis: 49.28 € | Versand*: 0 €
-
Wie können Machine-Learning-Algorithmen zur Vorhersage zukünftiger Ereignisse eingesetzt werden?
Machine-Learning-Algorithmen analysieren historische Daten, um Muster und Trends zu identifizieren. Anhand dieser Muster können sie zukünftige Ereignisse vorhersagen. Die Algorithmen werden trainiert, um präzise Prognosen zu erstellen und Entscheidungen zu unterstützen.
-
Ist Machine Learning bereits künstliche Intelligenz?
Machine Learning ist ein Teilgebiet der künstlichen Intelligenz. Es befasst sich mit der Entwicklung von Algorithmen und Modellen, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen zu treffen. Künstliche Intelligenz umfasst jedoch auch andere Bereiche wie Expertensysteme, natürliche Sprachverarbeitung und Robotik.
-
Welche Anwendungen und Entwicklungen haben Machine Learning-Algorithmen in verschiedenen Branchen hervorgebracht?
Machine Learning-Algorithmen haben in der Gesundheitsbranche Anwendungen wie die Diagnose von Krankheiten und die personalisierte Medizin ermöglicht. In der Finanzbranche werden sie für die Betrugserkennung und die Risikobewertung eingesetzt. Im Bereich des Marketings helfen sie bei der Kundenanalyse und der personalisierten Werbung.
-
Welche Methoden zur Dimensionalitätsreduktion eignen sich besonders gut zur Optimierung von Machine-Learning-Algorithmen?
Hauptkomponentenanalyse (PCA) ist eine beliebte Methode zur Reduzierung der Dimensionalität von Daten, indem sie die Varianz maximiert und irrelevante Informationen eliminiert. Eine weitere effektive Methode ist die t-Distributed Stochastic Neighbor Embedding (t-SNE), die komplexe Datenstrukturen in einem niedrigdimensionalen Raum visualisiert. Feature Selection-Techniken wie Recursive Feature Elimination (RFE) können auch verwendet werden, um die relevantesten Merkmale für die Modellierung auszuwählen.
Ähnliche Suchbegriffe für Algorithmen
-
Arduino Tiny Machine Learning Kit
Arduino Tiny Machine Learning Kit
Preis: 57.60 € | Versand*: 4.95 € -
Zeigermann, Oliver: Machine Learning - kurz & gut
Machine Learning - kurz & gut , Der kompakte Schnelleinstieg in Machine Learning und Deep Learning Die 3. Auflage des Bestsellers wurde ergänzt durch Kapitel zu Large Language Models wie ChatGPT und zu MLOps Anhand konkreter Datensätze lernen Sie einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung Nicht nur für zukünftige Data Scientists und ML-Profis geeignet, sondern durch seine durchdachte Didaktik auch für Interessierte, die nur am Rande mit ML zu tun haben, wie z.B. Softwareentwickler*innen Machine Learning beeinflusst heute beinahe alle Bereiche der Technik und der Gesellschaft. Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des maschinellen Lernens und der statistischen Datenanalyse. Dabei werden alle wesentlichen Themen abgedeckt und mit praktischen Beispielen in Python illustriert. Verwendet werden dabei die Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras. Nach der Lektüre dieses Buchs haben Sie einen Überblick über das gesamte Thema und können Ansätze einordnen und bewerten. Das Buch vermittelt Ihnen eine solide Grundlage, um Ihre ersten eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen. Die aktualisierte 3. Auflage behandelt jetzt auch Large Language Models wie z.B. ChatGPT und MLOps. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 19.90 € | Versand*: 0 € -
SparkFun MicroMod Machine Learning Carrier Board
SparkFun MicroMod Machine Learning Carrier Board
Preis: 23.75 € | Versand*: 4.95 € -
Raschka, Sebastian: Machine Learning Q and AI
Machine Learning Q and AI , "An advanced exploration of machine learning and AI, with each chapter asking and answering a question from the field. Divided into five sections: deep learning and neural networks; computer vision; natural language processing; production and deployment; and predictive performance and model evaluation"-- , >
Preis: 37.30 € | Versand*: 0 €
-
Warum Deep Learning im Vergleich zu Machine Learning?
Deep Learning unterscheidet sich von Machine Learning durch seine Fähigkeit, automatisch Merkmale aus den Daten zu extrahieren, anstatt dass diese manuell definiert werden müssen. Dadurch ist Deep Learning in der Lage, komplexere und abstraktere Muster in den Daten zu erkennen und zu lernen. Dies ermöglicht es Deep Learning-Modellen, in vielen Anwendungsbereichen, wie Bild- und Spracherkennung, bessere Leistungen zu erzielen als herkömmliche Machine Learning-Modelle.
-
Wie können Machine Learning-Algorithmen dabei helfen, große Datenmengen zu analysieren und Muster zu erkennen?
Machine Learning-Algorithmen können große Datenmengen verarbeiten und Muster erkennen, die für menschliche Analysten schwer zu erkennen sind. Sie können automatisch Muster identifizieren und Vorhersagen treffen, ohne dass explizite Regeln programmiert werden müssen. Durch kontinuierliches Lernen können sie auch mit sich ändernden Daten umgehen und ihre Genauigkeit im Laufe der Zeit verbessern.
-
Wie können Machine-Learning-Algorithmen dazu beitragen, große Datenmengen effizient zu analysieren und Muster zu erkennen?
Machine-Learning-Algorithmen können große Datenmengen schnell verarbeiten, um Muster und Trends zu identifizieren. Sie können automatisch Muster erkennen, die für menschliche Analysten schwer zu erkennen sind. Durch kontinuierliches Lernen können sie ihre Genauigkeit und Effizienz im Laufe der Zeit verbessern.
-
Was sind die Schlüsselfaktoren für den Erfolg von Machine Learning-Algorithmen in der heutigen datengetriebenen Welt?
Die Qualität und Menge der Trainingsdaten sind entscheidend für den Erfolg von Machine Learning-Algorithmen. Ein guter Algorithmus, der die Daten effizient verarbeiten kann, ist ebenfalls wichtig. Zudem spielt die kontinuierliche Optimierung und Anpassung der Algorithmen an neue Daten eine entscheidende Rolle.
* Alle Preise verstehen sich inklusive der gesetzlichen Mehrwertsteuer und ggf. zuzüglich Versandkosten. Die Angebotsinformationen basieren auf den Angaben des jeweiligen Shops und werden über automatisierte Prozesse aktualisiert. Eine Aktualisierung in Echtzeit findet nicht statt, so dass es im Einzelfall zu Abweichungen kommen kann.