Zdjęcie 1 z 13
Galeria
Zdjęcie 1 z 13
Masz taki przedmiot na sprzedaż?
Hands–On Machine Learning with Scikit–Learn and TensorFlow - Geron, Aurelien
US $29,99
Około110,78 zł
lub Najlepsza oferta
Stan:
Nowy
Nowa, nieczytana, nieużywana książka w idealnym stanie, wszystkie strony, bez uszkodzeń. Aby poznać więcej szczegółów, zobacz aukcję sprzedającego.
- Kup terazHands–On Machine Learning with Scikit–Learn and TensorFlow - Geron, Aurelien
Oops! Looks like we're having trouble connecting to our server.
Refresh your browser window to try again.
Wysyłka:
US $6,72 (około 24,82 zł) USPS Media MailTM.
Znajduje się w: Fairfield, Connecticut, Stany Zjednoczone
Dostawa:
Szacowana między Cz, 7 sie a Pn, 11 sie do 94104
Zwroty:
Zwroty nie są przyjmowane.
Płatności:
Kupuj bez obaw
Sprzedawca ponosi pełną odpowiedzialność za wystawienie tej oferty sprzedaży.
Nr przedmiotu eBay: 156969033292
Ostatnia aktualizacja: 15-06-2025 00:00:18 CEST Wyświetl wszystkie poprawkiWyświetl wszystkie poprawki
10% ze sprzedaży przedmiotu wesprze organizację The Unexpected Journey, Inc.
- Oficjalna aukcja eBay for Charity. Dowiedz się więcej
- Ta sprzedaż wspiera zweryfikowanego partnera non profit.
Parametry przedmiotu
- Stan
- Book Title
- Hands–On Machine Learning with Scikit–Learn and TensorFlow
- Genre
- Machine learning
- ISBN
- 9781491962299
O tym produkcie
Product Identifiers
Publisher
O'reilly Media, Incorporated
ISBN-10
1491962291
ISBN-13
9781491962299
eBay Product ID (ePID)
227662629
Product Key Features
Number of Pages
572 Pages
Publication Name
Hands-On Machine Learning with Scikit-Learn and TensorFlow : Concepts, Tools, and Techniques to Build Intelligent Systems
Language
English
Publication Year
2017
Subject
Intelligence (Ai) & Semantics, Data Processing, Computer Vision & Pattern Recognition
Type
Textbook
Subject Area
Computers
Format
Trade Paperback
Dimensions
Item Height
1.1 in
Item Weight
34.8 Oz
Item Length
9.2 in
Item Width
7.1 in
Additional Product Features
Intended Audience
Trade
LCCN
2018-418542
Illustrated
Yes
Synopsis
Graphics in this book are printed in black and white . Through a series of recent breakthroughs, deep learning has boosted the entire field of machine learning. Now, even programmers who know close to nothing about this technology can use simple, efficient tools to implement programs capable of learning from data. This practical book shows you how. By using concrete examples, minimal theory, and two production-ready Python frameworks--scikit-learn and TensorFlow--author Aur lien G ron helps you gain an intuitive understanding of the concepts and tools for building intelligent systems. You'll learn a range of techniques, starting with simple linear regression and progressing to deep neural networks. With exercises in each chapter to help you apply what you've learned, all you need is programming experience to get started. Explore the machine learning landscape, particularly neural nets Use scikit-learn to track an example machine-learning project end-to-end Explore several training models, including support vector machines, decision trees, random forests, and ensemble methods Use the TensorFlow library to build and train neural nets Dive into neural net architectures, including convolutional nets, recurrent nets, and deep reinforcement learning Learn techniques for training and scaling deep neural nets Apply practical code examples without acquiring excessive machine learning theory or algorithm details, Graphics in this book are printed in black and white . Through a series of recent breakthroughs, deep learning has boosted the entire field of machine learning. Now, even programmers who know close to nothing about this technology can use simple, efficient tools to implement programs capable of learning from data. This practical book shows you how. By using concrete examples, minimal theory, and two production-ready Python frameworks--scikit-learn and TensorFlow--author Aurélien Géron helps you gain an intuitive understanding of the concepts and tools for building intelligent systems. You'll learn a range of techniques, starting with simple linear regression and progressing to deep neural networks. With exercises in each chapter to help you apply what you've learned, all you need is programming experience to get started. Explore the machine learning landscape, particularly neural nets Use scikit-learn to track an example machine-learning project end-to-end Explore several training models, including support vector machines, decision trees, random forests, and ensemble methods Use the TensorFlow library to build and train neural nets Dive into neural net architectures, including convolutional nets, recurrent nets, and deep reinforcement learning Learn techniques for training and scaling deep neural nets Apply practical code examples without acquiring excessive machine learning theory or algorithm details
LC Classification Number
Q325.5
Opis przedmiotu podany przez sprzedawcę
Informacje o sprzedawcy-firmie
O tym sprzedawcy
Next Chapter in the Journey
100% opinii pozytywnych•Sprzedane przedmioty: 5,5 tys.
Zarejestrowany jako sprzedawca-firma
Opinie sprzedawcy (1 935)
- h***t (600)- Opinie wystawione przez kupującego.Ostatni miesiącZakup potwierdzonyThank you!!
- g***m (1937)- Opinie wystawione przez kupującego.Ostatni miesiącZakup potwierdzonyExcellent. Receipt seller. Thanks.
- 2***c (230)- Opinie wystawione przez kupującego.Ostatni miesiącZakup potwierdzonyGreat item and super fast shipping!
Next Chapter in the Journey
100% opinii pozytywnych•Sprzedane przedmioty: 5,5 tys.
Zarejestrowany jako sprzedawca-firma
Opinie sprzedawcy (1 935)
- h***t (600)- Opinie wystawione przez kupującego.Ostatni miesiącZakup potwierdzonyThank you!!
- g***m (1937)- Opinie wystawione przez kupującego.Ostatni miesiącZakup potwierdzonyExcellent. Receipt seller. Thanks.
- 2***c (230)- Opinie wystawione przez kupującego.Ostatni miesiącZakup potwierdzonyGreat item and super fast shipping!