Jetzt zu PyTorch - die bewährte Kurzeinführung in Machine Learning Der Bestseller zum Thema Machine Learning nutzt jetzt PyTorch als zentrales Framework Anhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung und Datenanalyse bis hin zur Visualisierung 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 Behandelt auch MLOps und Large Language Models wie ChatGPT Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des Machine Learning und der statistischen Datenanalyse. Dabei werden folgende Themen behandelt und mit praktischen Beispielen veranschaulicht: Datenvorbereitung, Feature-Auswahl, Modellvalidierung Supervised und Unsupervised Learning Neuronale Netze und Deep Learning LLMs – moderne Sprachmodelle MLOps – Machine Learning für die Praxis Anhand konkreter Datensätze lernst du einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. In Jupyter Notebooks kannst du mit den Codebeispielen experimentieren. Sie basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy und PyTorch. Nach der Lektüre dieses Buchs hast du einen Überblick über das gesamte Thema und kannst Ansätze einordnen und bewerten. Das Buch vermittelt dir eine solide Grundlage, um erste eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen.