Deep Learning mit Python und Keras

Das Praxis-Handbuch vom Entwickler der Keras-Bibliothek
Author: Chollet, François
Publisher: MITP-Verlags GmbH & Co. KG
ISBN: 3958458408
Category: Computers
Page: 447
View: 1298
DOWNLOAD NOW »


Einführung in Machine Learning mit Python

Praxiswissen Data Science
Author: Andreas C. Müller,Sarah Guido
Publisher: O'Reilly
ISBN: 3960101120
Category: Computers
Page: 378
View: 441
DOWNLOAD NOW »
Machine Learning ist zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden, von der medizinischen Diagnostik bis hin zur Suche nach Freunden in sozialen Netzwerken. Um Machine-Learning-Anwendungen zu entwickeln, braucht es keine großen Expertenteams: Wenn Sie Python-Grundkenntnisse mitbringen, zeigt Ihnen dieses Praxisbuch, wie Sie Ihre eigenen Machine-Learning-Lösungen erstellen. Mit Python und der scikit-learn-Bibliothek erarbeiten Sie sich alle Schritte, die für eine erfolgreiche Machine-Learning-Anwendung notwendig sind. Die Autoren Andreas Müller und Sarah Guido konzentrieren sich bei der Verwendung von Machine-Learning-Algorithmen auf die praktischen Aspekte statt auf die Mathematik dahinter. Wenn Sie zusätzlich mit den Bibliotheken NumPy und matplotlib vertraut sind, hilft Ihnen dies, noch mehr aus diesem Tutorial herauszuholen. Das Buch zeigt Ihnen: - grundlegende Konzepte und Anwendungen von Machine Learning - Vor- und Nachteile weit verbreiteter maschineller Lernalgorithmen - wie sich die von Machine Learning verarbeiteten Daten repräsentieren lassen und auf welche Aspekte der Daten Sie sich konzentrieren sollten - fortgeschrittene Methoden zur Auswertung von Modellen und zum Optimieren von Parametern - das Konzept von Pipelines, mit denen Modelle verkettet und Arbeitsabläufe gekapselt werden - Arbeitsmethoden für Textdaten, insbesondere textspezifische Verarbeitungstechniken - Möglichkeiten zur Verbesserung Ihrer Fähigkeiten in den Bereichen Machine Learning und Data Science Dieses Buch ist eine fantastische, super praktische Informationsquelle für jeden, der mit Machine Learning in Python starten möchte – ich wünschte nur, es hätte schon existiert, als ich mit scikit-learn anfing! Hanna Wallach, Senior Researcher, Microsoft Research

Praxiseinstieg Deep Learning

Mit Python, Caffe, TensorFlow und Spark eigene Deep-Learning-Anwendungen erstellen
Author: Ramon Wartala
Publisher: O'Reilly
ISBN: 3960101570
Category: Computers
Page: 226
View: 338
DOWNLOAD NOW »
Deep Learning ist ein Teilbereich des Machine Learning und basiert auf künstlichen neuronalen Netzen. Dieser praktische Leitfaden bietet einen schnellen Einstieg in die Schlüsseltechnologie und erschließt Grundlagen und Arbeitsweisen von Deep Learning. Anhand Python-basierter Beispielanwendungen wird der Umgang mit den Frameworks Caffe/Caffe2 und TensorFlow gezeigt. Einfache, alltagstaugliche Beispiele laden zum Nachprogrammieren ein. Darüber hinaus erfahren Sie, warum moderne Grafikkarten, Big Data und Cloud Computing beim Deep Learning so wichtig sind. Wenn Sie bereits mit Python, NumPy und matplotlib arbeiten, ermöglicht Ihnen dieses Buch, praktische Erfahrungen mit Deep-Learning-Anwendungen zu machen. Deep Learning – die Hintergründe - Lernmethoden, die Deep Learning zugrunde liegen - Aktuelle Anwendungsfelder wie maschinelle Übersetzungen, Sprach- und Bilderkennung bei Google, Facebook, IBM oder Amazon Der Werkzeugkasten mit Docker - Der Docker-Container zum Buch: Alle nötigen Tools und Programme sind bereits installiert, damit Sie die Beispiele des Buchs und eigene Deep-Learning-Anwendungen leicht ausführen können. - Die Arbeitsumgebung kennenlernen: Jupyter Notebook, Beispieldatensätze, Web Scraping Der Praxiseinstieg - Einführung in Caffe/Caffe2 und TensorFlow - Deep-Learning-Anwendungen nachprogrammieren: Handschrifterkennung, Bilderkennung und -klassifizierung, Deep Dreaming - Lösungen für Big-Data-Szenarien: verteilte Anwendungen, Spark, Cloud-Systeme - Modelle in produktive Systeme überführen

Machine Learning mit Python und Scikit-Learn und TensorFlow

Das umfassende Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning
Author: Sebastian Raschka,Vahid Mirjalili
Publisher: MITP-Verlags GmbH & Co. KG
ISBN: 3958457355
Category: Computers
Page: 584
View: 386
DOWNLOAD NOW »
Datenanalyse mit ausgereiften statistischen Modellen des Machine Learnings Anwendung der wichtigsten Algorithmen und Python-Bibliotheken wie NumPy, SciPy, Scikit-learn, TensorFlow, Matplotlib, Pandas und Kera Best Practices zur Optimierung Ihrer Machine-Learning-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. Die zweite Auflage dieses Buchs berücksichtigt die jüngsten Entwicklungen und Technologien, die für Machine Learning, Neuronale Netze und Deep Learning wichtig sind. Dies betrifft insbesondere die neuesten Open-Source-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Python zählt zu den führenden Programmiersprachen in den Bereichen Machine Learning, Data Science und Deep Learning 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. Die Autoren erläutern umfassend den Einsatz von Machine-Learning- und Deep-Learning-Algorithmen und wenden diese anhand zahlreicher Beispiele praktisch an. Dafür behandeln sie in diesem Buch ein breites Spektrum leistungsfähiger Python-Bibliotheken wie Scikit-learn, Keras und TensorFlow. Sie lernen detailliert, wie Sie Python für maschinelle Lernverfahren einsetzen und dabei eine Vielzahl von statistischen Modellen verwenden.

Machine Learning Kochbuch

Praktische Lösungen mit Python: von der Vorverarbeitung der Daten bis zum Deep Learning
Author: Chris Albon
Publisher: O'Reilly
ISBN: 3960103077
Category: Computers
Page: 368
View: 5285
DOWNLOAD NOW »
Python-Programmierer finden in diesem Kochbuch nahezu 200 wertvolle und jeweils in sich abgeschlossene Anleitungen zu Aufgabenstellungen aus dem Bereich des Machine Learning, wie sie für die tägliche Arbeit typisch sind – von der Vorverarbeitung der Daten bis zum Deep Learning. Entwickler, die mit Python und seinen Bibliotheken einschließlich Pandas und Scikit-Learn vertraut sind, werden spezifische Probleme erfolgreich bewältigen – wie etwa Daten laden, Text und numerische Daten behandeln, Modelle auswählen, Dimensionalität reduzieren und vieles mehr. Jedes Rezept enthält Code, den Sie kopieren, zum Testen in eine kleine Beispieldatenmenge einfügen und dann anpassen können, um Ihre eigenen Anwendungen zu konstruieren. Darüber hinaus werden alle Lösungen diskutiert und wichtige Zusammenhänge hergestellt. Dieses Kochbuch unterstützt Sie dabei, den Schritt von der Theorie und den Konzepten hinein in die Praxis zu machen. Es liefert das praktische Rüstzeug, das Sie benötigen, um funktionierende Machine-Learning-Anwendungen zu entwickeln. In diesem Kochbuch finden Sie Rezepte für: Vektoren, Matrizen und Arrays den Umgang mit numerischen und kategorischen Daten, Texten, Bildern sowie Datum und Uhrzeit das Reduzieren der Dimensionalität durch Merkmalsextraktion oder Merkmalsauswahl Modellbewertung und -auswahl lineare und logistische Regression, Bäume und Wälder und k-nächste Nachbarn Support Vector Machine (SVM), naive Bayes, Clustering und neuronale Netze das Speichern und Laden von trainierten Modellen

Neuronale Netze selbst programmieren

Ein verständlicher Einstieg mit Python
Author: Tariq Rashid
Publisher: O'Reilly
ISBN: 3960101031
Category: Computers
Page: 232
View: 3780
DOWNLOAD NOW »
Neuronale Netze sind Schlüsselelemente des Deep Learning und der Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind. Sie sind Grundlage vieler Anwendungen im Alltag wie beispielsweise Spracherkennung, Gesichtserkennung auf Fotos oder die Umwandlung von Sprache in Text. Dennoch verstehen nur wenige, wie neuronale Netze tatsächlich funktionieren. Dieses Buch nimmt Sie mit auf eine unterhaltsame Reise, die mit ganz einfachen Ideen beginnt und Ihnen Schritt für Schritt zeigt, wie neuronale Netze arbeiten: - Zunächst lernen Sie die mathematischen Konzepte kennen, die den neuronalen Netzen zugrunde liegen. Dafür brauchen Sie keine tieferen Mathematikkenntnisse, denn alle mathematischen Ideen werden behutsam und mit vielen Illustrationen und Beispielen erläutert. Eine Kurzeinführung in die Analysis unterstützt Sie dabei. - Dann geht es in die Praxis: Nach einer Einführung in die populäre und leicht zu lernende Programmiersprache Python bauen Sie allmählich Ihr eigenes neuronales Netz mit Python auf. Sie bringen ihm bei, handgeschriebene Zahlen zu erkennen, bis es eine Performance wie ein professionell entwickeltes Netz erreicht. - Im nächsten Schritt tunen Sie die Leistung Ihres neuronalen Netzes so weit, dass es eine Zahlenerkennung von 98 % erreicht – nur mit einfachen Ideen und simplem Code. Sie testen das Netz mit Ihrer eigenen Handschrift und werfen noch einen Blick in das mysteriöse Innere eines neuronalen Netzes. - Zum Schluss lassen Sie das neuronale Netz auf einem Raspberry Pi Zero laufen. Tariq Rashid erklärt diese schwierige Materie außergewöhnlich klar und verständlich, dadurch werden neuronale Netze für jeden Interessierten zugänglich und praktisch nachvollziehbar.

Data Science mit Python

Das Handbuch für den Einsatz von IPython, Jupyter, NumPy, Pandas, Matplotlib und Scikit-Learn
Author: Jake VanderPlas
Publisher: MITP-Verlags GmbH & Co. KG
ISBN: 3958456979
Category: Computers
Page: 552
View: 6061
DOWNLOAD NOW »
Die wichtigsten Tools für die Datenanalyse und-bearbeitung im praktischen Einsatz Python effizient für datenintensive Berechnungen einsetzen mit IPython und Jupyter Laden, Speichern und Bearbeiten von Daten und numerischen Arrays mit NumPy und Pandas Visualisierung von Daten mit Matplotlib Python ist für viele die erste Wahl für Data Science, weil eine Vielzahl von Ressourcen und Bibliotheken zum Speichern, Bearbeiten und Auswerten von Daten verfügbar ist. In diesem Buch erläutert der Autor den Einsatz der wichtigsten Tools. Für Datenanalytiker und Wissenschaftler ist dieses umfassende Handbuch von unschätzbarem Wert für jede Art von Berechnung mit Python sowie bei der Erledigung alltäglicher Aufgaben. Dazu gehören das Bearbeiten, Umwandeln und Bereinigen von Daten, die Visualisierung verschiedener Datentypen und die Nutzung von Daten zum Erstellen von Statistiken oder Machine-Learning-Modellen. Dieses Handbuch erläutert die Verwendung der folgenden Tools: ● IPython und Jupyter für datenintensive Berechnungen ● NumPy und Pandas zum effizienten Speichern und Bearbeiten von Daten und Datenarrays in Python ● Matplotlib für vielfältige Möglichkeiten der Visualisierung von Daten ● Scikit-Learn zur effizienten und sauberen Implementierung der wichtigsten und am meisten verbreiteten Algorithmen des Machine Learnings Der Autor zeigt Ihnen, wie Sie die zum Betreiben von Data Science verfügbaren Pakete nutzen, um Daten effektiv zu speichern, zu handhaben und Einblick in diese Daten zu gewinnen. Grundlegende Kenntnisse in Python werden dabei vorausgesetzt. Leserstimme zum Buch: »Wenn Sie Data Science mit Python betreiben möchten, ist dieses Buch ein hervorragender Ausgangspunkt. Ich habe es sehr erfolgreich beim Unterrichten von Informatik- und Statistikstudenten eingesetzt. Jake geht weit über die Grundlagen der Open-Source-Tools hinaus und erläutert die grundlegenden Konzepte, Vorgehensweisen und Abstraktionen in klarer Sprache und mit verständlichen Erklärungen.« – Brian Granger, Physikprofessor, California Polytechnic State University, Mitbegründer des Jupyter-Projekts

Einführung in TensorFlow

Deep-Learning-Systeme programmieren, trainieren, skalieren und deployen
Author: Tom Hope,Yehezkel S. Resheff,Itay Lieder
Publisher: O'Reilly
ISBN: 3960101813
Category: Computers
Page: 238
View: 8616
DOWNLOAD NOW »
Deep-Learning-Netze, die mit großen Datenmengen angelernt wurden, lösen komplexe Aufgaben mit erstaunlicher Genauigkeit. TensorFlow ist die führende Open-Source-Bibliothek zum Erstellen und Trainieren neuronaler Deep-Learning-Netze z.B. für die Sprach- und Bilderkennung, die Verarbeitung natürlicher Sprache (NLP) oder die vorhersagende Datenanalyse. Dieses Buch bietet einer breiten technisch orientierten Leserschaft einen praxisnahen Zugang zu den Grundlagen von TensorFlow.Sie erarbeiten zunächst einige einfache Beispielaufgaben mit TensorFlow und tauchen anschließend tiefer in Themen ein wie die Architektur neuronaler Netze, die Visualisierung mit TensorBoard, Abstraktionsbibliotheken für TensorFlow oder Multithread-Pipelines zur Dateneingabe. Wenn Sie dieses Buch durchgearbeitet haben, sind Sie in der Lage, Deep-Learning-Systeme mit TensorFlow zu erstellen und im Produktivbetrieb einzusetzen.

Einführung in Data Science

Grundprinzipien der Datenanalyse mit Python
Author: Joel Grus
Publisher: O'Reilly
ISBN: 3960100256
Category: Computers
Page: 352
View: 8883
DOWNLOAD NOW »
Dieses Buch führt Sie in Data Science ein, indem es grundlegende Prinzipien der Datenanalyse erläutert und Ihnen geeignete Techniken und Werkzeuge vorstellt. Sie lernen nicht nur, wie Sie Bibliotheken, Frameworks, Module und Toolkits konkret einsetzen, sondern implementieren sie auch selbst. Dadurch entwickeln Sie ein tieferes Verständnis für die Zusammenhänge und erfahren, wie essenzielle Tools und Algorithmen der Datenanalyse im Kern funktionieren. Falls Sie Programmierkenntnisse und eine gewisse Sympathie für Mathematik mitbringen, unterstützt Joel Grus Sie dabei, mit den mathematischen und statistischen Grundlagen der Data Science vertraut zu werden und sich Programmierfähigkeiten anzueignen, die Sie für die Praxis benötigen. Dabei verwendet er Python: Die weitverbreitete Sprache ist leicht zu erlernen und bringt zahlreiche Bibliotheken für Data Science mit. Aus dem Inhalt: - Absolvieren Sie einen Crashkurs in Python - Lernen Sie die Grundlagen von linearer Algebra, Statistik und Wahrscheinlichkeitsrechnung kennen und erfahren Sie, wie diese in Data Science eingesetzt werden - Sammeln, untersuchen, bereinigen, bearbeiten und manipulieren Sie Daten - Tauchen Sie in die Welt des maschinellen Lernens ein - Implementieren Sie Modelle wie k-nearest Neighbors, Naive Bayes, lineare und logistische Regression, Entscheidungsbäume, neuronale Netzwerke und Clustering - Entdecken Sie Empfehlungssysteme, Sprachverarbeitung, Netzwerkanalyse, MapReduce und Datenbanken

Python GE-PACKT


Author: Michael Weigend
Publisher: MITP-Verlags GmbH & Co. KG
ISBN: 3958457207
Category: Computers
Page: 655
View: 9925
DOWNLOAD NOW »
• Schneller Zugriff auf Module, Klassen und Funktionen • tkinter, Datenbanken, OOP und Internetprogrammierung • Für die Versionen Python 3.6 und 2.7 Mit dieser Referenz erhalten Sie effiziente Unterstützung bei der Programmierung mit Python 3.6 und Python 2.7 – klar strukturiert zum Nachschlagen. In 24 thematisch gegliederten Kapiteln werden die wichtigsten Module detailliert und praxisbezogen erläutert: angefangen bei grundlegenden Elementen wie Datentypen, Operatoren und Standardfunktionen bis hin zu Spezialthemen wie der Schnittstelle zum Laufzeit- und Betriebssystem, Generatoren, GUI-Programmierung mit tkinter, PIL, Logging, Kontextmanagement, XML und Dezimalarithmetik.Darüber hinaus finden Sie kompakte Darstellungen der Umsetzung von objektorientierter Programmierung, CGIund Internetprogrammierung (E-Mail, FTP, Telnet, HTTP) sowie der Datenbankanbindung (MySQL, SQLite). Die Erläuterungen werden ergänzt durch übersichtliche Tabellen, UML-Diagramme und zahlreiche leicht nachvollziehbare Beispiele, die Anregungen und Lösungen für eigene Programmieraufgaben liefern.

Datenanalyse mit Python

Auswertung von Daten mit Pandas, NumPy und IPython
Author: Wes McKinney
Publisher: O'Reilly
ISBN: 3960102143
Category: Computers
Page: 542
View: 9980
DOWNLOAD NOW »
Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.6, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy, IPython und Jupyter kennen.Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und zugehöriges Material des Buchs sind auf GitHub verfügbar.Aus dem Inhalt:Nutzen Sie die IPython-Shell und Jupyter Notebook für das explorative ComputingLernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennenSetzen Sie die Datenanalyse-Tools der pandasBibliothek einVerwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von DatenErstellen Sie interformative Visualisierungen mit matplotlibWenden Sie die GroupBy-Mechanismen von pandas an, um Datensätzen zurechtzuschneiden, umzugestalten und zusammenzufassenAnalysieren und manipulieren Sie verschiedenste Zeitreihen-DatenFür diese aktualisierte 2. Auflage wurde der gesamte Code an Python 3.6 und die neuesten Versionen der pandas-Bibliothek angepasst. Neu in dieser Auflage: Informationen zu fortgeschrittenen pandas-Tools sowie eine kurze Einführung in statsmodels und scikit-learn.

Python 3

Lernen und professionell anwenden. Das umfassende Praxisbuch
Author: Michael Weigend
Publisher: MITP-Verlags GmbH & Co. KG
ISBN: 3958457932
Category: Computers
Page: 992
View: 3501
DOWNLOAD NOW »
Einführung in alle Sprachgrundlagen: Klassen, Objekte, Vererbung, Dictionaries Benutzungsoberflächen und Multimediaanwendungen mit PyQt, Datenbanken, XML und Internet-Programmierung Wissenschaftliches Rechnen mit NumPy, parallele Verarbeitung großer Datenmengen, Datenvisualisierung mit Matplotlib Übungen mit Musterlösungen zu jedem Kapitel Die Skriptsprache Python ist mit ihrer einfachen Syntax hervorragend für Einsteiger geeignet, um modernes Programmieren zu lernen. Mit diesem Buch erhalten Sie einen umfassenden Einstieg in Python 3 und lernen darüber hinaus auch weiterführende Anwendungsmöglichkeiten kennen. Michael Weigend behandelt Python von Grund auf und erläutert die wesentlichen Sprachelemente. Er geht dabei besonders auf die Anwendung von Konzepten der objektorientierten Programmierung ein. Insgesamt liegt der Schwerpunkt auf der praktischen Arbeit mit Python. Ziel ist es, die wesentlichen Techniken und dahinter stehenden Ideen anhand zahlreicher anschaulicher Beispiele verständlich zu machen. Zu typischen Problemstellungen werden Schritt für Schritt Lösungen erarbeitet. So erlernen Sie praxisorientiert die Programmentwicklung mit Python und die Anwendung von Konzepten der objektorientierten Programmierung. Alle Kapitel enden mit einfachen und komplexen Übungsaufgaben mit vollständigen Musterlösungen. Das Buch behandelt die Grundlagen von Python 3 (Version 3.6) und zusätzlich auch weiterführende Themen wie die Gestaltung grafischer Benutzungsoberflächen mit tkinter und PyQt, Threads und Multiprocessing, CGI- und Internet-Programmierung, automatisiertes Testen, Datenmodellierung mit XML und JSON, Datenbanken, Datenvisualisierung mit Matplotlib und wissenschaftliches Rechnen mit NumPy. Der Autor wendet sich sowohl an Einsteiger als auch an Leser, die bereits mit einer höheren Programmiersprache vertraut sind. Zugleich bietet sich dieses Lehrbuch als Textgrundlage oder nützliche Ergänzung zu Universitätskursen an.

Das EV3 Roboter Universum

Ein umfassender Einstieg in LEGO® MINDSTORMS® EV3 mit 8 spannenden Roboterprojekten.
Author: Matthias Paul Scholz,Beate Jost,Thorsten Leimbach
Publisher: mitp Verlags GmbH & Co. KG
ISBN: 382669645X
Category: Computers
Page: 504
View: 1069
DOWNLOAD NOW »
Ein umfassender Einstieg in LEGO® MINDSTORMS® EV3 mit 8 spannenden Roboterprojekten Bau- und Programmieranleitungen: Schritt für Schritt Inkl. aller wichtigen EV3-Themen: Fortbewegung, alle Sensoren, drahtlose Kommunikation, Fernsteuerung, Zamor-Werfer uvm. Alle Roboter sind jeweils mit einem einzigen EV3-Set baubar Aus dem Inhalt: Umfassende Einführung in die neue LEGO®-Roboter- Generation EV3 Acht spannende Roboter-projekte: ein sechsbeiniges Roboterinsekt ein Roboterauto ein Raupenfahrzeug ein Mars-Rover zur Erkundung fremder Planeten ein Wächter, der entlang einer Linie Wache schiebt ein dreibeiniger und mit Kanonen bewaffneter Roboter-Droide eine automatische Marionette Kommunikation: der Trainer gibt Bewegungen vor, die ein Sportler nachahmt Fortbewegung mit Rädern, Ketten und Laufbeinen Einsatz aller Sensoren Verwendung des Zamor-Werfers Fernsteuerung Drahtlose Kommunikation zwischen mehreren Robotern Ohne Vorkenntnisse verständlich Dieses Buch ist eine umfassende Einführung in die neue LEGO®-Roboter-Generation EV3. Es vermittelt nicht nur Einsteigern und Einsteigerinnen die Grundlagen, um eigene Roboter mit MINDSTORMS zu bauen und zu programmieren, sondern bietet auch Fortgeschrittenen vertiefte Kenntnisse und neue Ideen zum Set. Anhand von acht spannenden Roboter-Projekten werden die Möglichkeiten der Robotik praxisnah eingeführt. Die anschaulichen vierfarbigen Schritt-für-Schritt-Bau- und Programmieranleitungen machen es auch ohne Vorkenntnisse einfach, die Roboter des Buchs nachzubauen und mit der LEGO®-eigenen Programmiersprache zum Leben zu erwecken. Alle Roboter im Buch können jeweils mit einem einzigen EV3-Set gebaut werden. Sowohl die Home- als auch die Education-Edition werden voll unterstützt. Die Bauanleitungen für die Education-Edition werden kostenlos zum Download zur Verfügung gestellt. Von der Fortbewegung mit Rädern, Ketten und Laufbeinen über den Einsatz aller Sensoren bis hin zu anspruchsvollen Aufgaben wie Linienverfolgung, Fernsteuerung und drahtloser Kommunikation zwischen mehreren Robotern führen die Autoren leicht verständlich in die Welt von LEGO® MINDSTORMS ein. Nach Lektüre dieses Buchs verfügt man über das notwendige Handwerkszeug, um die neue Generation des MINDSTORMS-Universums selbstständig weiter zu erforschen und eigene tolle Roboter zu erschaffen. Über die Autoren: Matthias Paul Scholz ist langjähriges Mitglied des LEGO®-internen MINDSTORMS Community Partner Programs und nimmt als offizieller »LEGO Robot Expert« an internationalen LEGO®-Events teil. Er ist Autor mehrerer erfolgreicher MINDSTORMS-Bücher. Thorsten Leimbach ist Jurymitglied bei mehreren Roboterwettbewerben u.a. beim RoboCup Junior und der FIRST® LEGO® League (FLL). Beate Jost möchte insbesondere das Interesse von Mädchen und jungen Frauen an der Robotik wecken, u.a. auch als Jurymitglied beim RoboCup Junior Dance. Alle Autoren geben bei der Initiative »Roberta® – Lernen mit Robotern« des Fraunhofer-Instituts Roboter-Workshops für Kinder, Jugendliche, Studenten und Lehrer.

iX kompakt 2018 – Programmieren heute

Machine Learning, JavaScript, Python, C++17/20
Author: iX-Redaktion
Publisher: Heise Medien GmbH & Co. KG
ISBN: 3957882028
Category: Computers
Page: 156
View: 384
DOWNLOAD NOW »
Wer programmiert, muss sich mit neuen Techniken, Standards und Trends auseinandersetzen. Mit maschinellem Lernen, JavaScript, Python und den Standards C++17 und C++20 greift dieses iX kompakt aktuelle Trends in der Softwareentwicklung auf. Machine Learning und die Verarbeitung riesiger Datenmengen mit Maschinenintelligenz ist dabei, die IT umzukrempeln. Leistungsfähige Bibliotheken wie Googles TensorFlow und Scikit-learn bringen komplexe ML-Algorithmen in eigene Python-Programme. JavaScript steht ganz oben in der Liste der meist genutzten Programmiersprachen. Dieses iX kompakt zeigt unter anderem, was der aktuelle Stand der Dinge ist und wie man heutzutage komplexe Web-Anwendungen programmiert. Python ist zum Schweizer Taschenmesser in der IT geworden. Obwohl die Sprache schnell und einfach zu erlernen ist, lohnt es sich, tiefer einzusteigen und sich mit Themen wie Multithreading, Asynchronität und Jupyter/IPython zu beschäftigen. Die Standards C++17 und C++20 bringen dem Programmiersprachen-Klassiker etliche Neuerungen, unter anderem beim Multithreading. Ein Schwerpunkt des Hefts liegt auf den neuen Concepts. Die Artikel stammen aus iX, dem Heise-Magazin für professionelle IT. Das auf dem Titel beworbene iX-Video-Tutorial zu C ist bis zum 31.12.2018 für einen vergünstigten Preis erhältlich.

R für Dummies


Author: Andrie de Vries,Joris Meys
Publisher: John Wiley & Sons
ISBN: 3527812520
Category: Computers
Page: 414
View: 3272
DOWNLOAD NOW »
Wollen Sie auch die umfangreichen Möglichkeiten von R nutzen, um Ihre Daten zu analysieren, sind sich aber nicht sicher, ob Sie mit der Programmiersprache wirklich zurechtkommen? Keine Sorge - dieses Buch zeigt Ihnen, wie es geht - selbst wenn Sie keine Vorkenntnisse in der Programmierung oder Statistik haben. Andrie de Vries und Joris Meys zeigen Ihnen Schritt für Schritt und anhand zahlreicher Beispiele, was Sie alles mit R machen können und vor allem wie Sie es machen können. Von den Grundlagen und den ersten Skripten bis hin zu komplexen statistischen Analysen und der Erstellung aussagekräftiger Grafiken. Auch fortgeschrittenere Nutzer finden in diesem Buch viele Tipps und Tricks, die Ihnen die Datenauswertung erleichtern.