Classical Machine Learning

EAN/GTIN:: 9783032043986
Hersteller-Nr.:: 9783032043986
Kategorie:: Gedruckte Bücher
Angebote:: 2 Shops bis 1 % sparen gegenüber dem teuersten Angebot
Preisspanne:: 69,54 € – 69,95 €

Preisalarm

Bester Preis

2 Angebote

ab 69,54 €

Günstigstes Angebot

averdo

Versand: siehe Shop

69,54 €

Gesamt 69,54 €

Zum Shop: averdo

Zuletzt aktualisiert: 14. November 2026, 14:21 Uhr

Preisvergleich: 2 Angebote

Sortiert nach Gesamtpreis inkl. Versand · Preise inkl. MwSt. · Als „Nicht verifiziert“ markierte Angebote stammen von Shops ohne Partnerschaft und werden nie als „Bester Preis“ hervorgehoben, solange es ein Partner-Angebot gibt. Bei gleichem Gesamtpreis steht das früher gelistete Angebot zuerst. * „statt“: vom Shop angegebener Vergleichspreis (früherer Shop-Preis oder UVP), nicht von uns geprüft.

Bester Preis

averdo

69,54 €

Gesamt: 69,54 €

Auf Lager

Versand: siehe Shop

Zum Shop
preigu

69,95 €

Gesamt: 69,95 €

Auf Lager · 1-2 Werktage

Versandkostenfrei

Zum Shop

Anzeige – CSS von Cyberslide: CyberSlide ist ein Preisvergleichsdienst (Comparison Shopping Service) und kein Händler. Wenn du über „Zum Shop“ zu einem Händler wechselst oder dort kaufst, erhalten wir ggf. eine Provision (Affiliate-Link). Für dich entstehen dabei keine Mehrkosten. Die Reihenfolge der Angebote richtet sich ausschließlich nach dem Gesamtpreis inkl. Versand; nicht verfügbare Angebote stehen am Ende. Gelistet werden überwiegend Shops, mit denen wir zusammenarbeiten (Partnerprogramme bzw. Provision) – der Vergleich bildet daher nicht den gesamten Markt ab. Angebote mit „Nicht verifiziert“ stammen von Shops ohne Partnerschaft: Ihre Preise lesen wir automatisch von der Shop-Website (ohne Gewähr); sie werden nicht als „Bester Preis“ hervorgehoben, solange es ein Partner-Angebot gibt. Mehr zu Ranking & Bewertungen · Inhalt melden

Alle Preise in Euro inkl. gesetzlicher MwSt., zzgl. der angegebenen Versandkosten. Preise und Verfügbarkeit können sich seit der letzten Aktualisierung geändert haben; maßgeblich ist der Preis im Shop.

Preisverlauf

Tiefstpreis: –
Höchstpreis: –
Veränderung: –

Preisverlauf wird geladen …

Günstigster Preis über alle Shops (ohne Versand). Gespeichert wird nur, wenn sich der Bestpreis ändert; Daten älter als 12 Monate als Monats-Tiefst-/Höchstpreis.

Preisalarm

Wir schicken dir eine E-Mail, sobald dein Wunschpreis erreicht ist.

Produktbeschreibung

The field of Artificial Intelligence (AI) has rapidly transformed in recent years, with Machine Learning being now one of its most impactful and widely applied branches. From intelligent recommendation systems to self-driving cars, and from language translation to medical diagnosis, Machine Learning now touches nearly every aspect of modern life. Yet, for those beginning their journey into AI, the field can feel daunting-particularly with the increasing complexity of deep learning and generative models. In the midst of this fast-paced evolution, it is easy to overlook the foundational ideas that make these breakthroughs possible.This book is written to bridge this gap and was born from the belief that a solid understanding of classical machine learning is not just helpful, but essential for truly grasping the advanced and modern models shaping today's AI landscape. The authors' goal is to explain classical models clearly and intuitively, while also providing hands-on Python implementations that bring these models to life and offering, as such, a balanced practical approach.The authors cover a wide range of foundational topics, from linear regression and logistic regression to decision trees, ensemble methods, clustering, dimensionality reduction, neural networks, and convolutional operations. Emerging ideas like Cubixel representation in image processing are also presented, providing a forward-looking perspective on evolving practices. Each chapter builds on the last, combining theory, math, and code in a way that is accessible to students, researchers, and professionals alike.The book assumes a working knowledge of Linear Algebra and Calculus, as many algorithms rely on these mathematical underpinnings. A solid foundation in Python is also recommended, since practical examples and implementations are written in Python with widely used libraries such as NumPy, pandas, scikit-learn, and TensorFlow. Whether you're an aspiring machine learning engineer, a data scientist transitioning from another field, or an academic looking to refresh your knowledge, this book aims to be a practical companion on your learning journey.