Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, scikit-learn, matplotlib, pandas, Theano und Keras Verständlicher und eleganter Python-Code zur Optimierung Ihrer Algorithmen Machine Learning und Predictive Analytics verändern die Arbeitsweise von Unternehmen grundlegend. Die Fähigkeit, in komplexen Daten Trends und Muster zu erkennen, ist heutzutage für den langfristigen geschäftlichen Erfolg ausschlaggebend und entwickelt sich zu einer der entscheidenden Wachstumsstrategien. Sebastian Raschka gibt Ihnen einen detaillierten Einblick in die Techniken der Predictive Analytics. Er erläutert die grundlegenden theoretischen Prinzipien des Machine Learnings und wendet sie praktisch an. Dabei konzentriert er sich insbesondere auf das Stellen und Beantworten der richtigen Fragen. Python zählt zu den führenden Programmiersprachen im Bereich Data Science und ist besonders gut dazu geeignet, grundlegende Erkenntnisse aus Ihren Daten zu gewinnen sowie ausgefeilte Algorithmen und statistische Modelle auszuarbeiten, die neue Einsichten liefern und wichtige Fragen beantworten. Der Autor erläutert in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie scikit-learn, Theano oder Keras. Sie lernen Schritt für Schritt die Grundlagen von Python für maschinelle Lernverfahren kennen und setzen dabei eine Vielfalt von statistischen Modellen ein. Aus dem Inhalt: Regressionsanalysen zum Prognostizieren von Ergebnissen Clusteranalysen zum Auffinden verborgener Muster und Strukturen in Ihren Daten Optimale Organisation Ihrer Daten durch effektive Verfahren zur Vorverarbeitung Datenkomprimierung durch Dimensionsreduktion Neuronale Netze erzeugen mit Keras und Theano Kombination verschiedener Modelle für das Ensemble Learning Einbettung eines Machine-Learning-Modells in eine Webanwendung Stimmungsanalyse in Social Networks

Sebastian Raschka ist Doktorand an der Michigan State University und entwickelt neue Rechenverfahren im Bereich der Bioinformatik. Er wurde auf GitHub von Analytics Vidhya als einflussreichster Datenanalytiker eingestuft. Er verfügt über jahrelange Erfahrung in der Python-Programmierung und hat mehrere Seminare über praktische Data-Science-Anwendungen und maschinelles Lernen geleitet. Seine Erfahrungen mit Data Science, maschinellem Lernen und Python-Programmierung haben ihn dazu motiviert, dieses Buch zu schreiben, um es auch Leuten ohne Kenntnisse maschineller Lernverfahren zu ermöglichen, datengesteuerte Lösungen zu entwickeln. Außerdem hat er aktiv Beiträge zu Open-Source-Projekten geleistet und die von ihm implementierten Verfahren werden inzwischen erfolgreich in Wettbewerben eingesetzt, die maschinelles Lernen zum Thema haben, wie z.B. Kaggle. In seiner Freizeit entwickelt er Vorhersagemodelle für Sportergebnisse.