Machine Learning mit PyTorch – kurz & gut

• 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

Machine Learning beeinflusst heute nahezu 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 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

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 eigene Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen.