Hugendubel.info - Die B2B Online-Buchhandlung 

Merkliste
Die Merkliste ist leer.
Bitte warten - die Druckansicht der Seite wird vorbereitet.
Der Druckdialog öffnet sich, sobald die Seite vollständig geladen wurde.
Sollte die Druckvorschau unvollständig sein, bitte schliessen und "Erneut drucken" wählen.

Python for Probability, Statistics, and Machine Learning

E-BookPDF1 - PDF WatermarkE-Book
509 Seiten
Englisch
Springer International Publishingerschienen am04.11.20223rd ed. 2022
Verfügbare Formate
BuchKartoniert, Paperback
EUR64,19
BuchGebunden
EUR96,29
BuchKartoniert, Paperback
EUR69,54
E-BookPDF1 - PDF WatermarkE-Book
EUR117,69
E-BookPDF1 - PDF WatermarkE-Book
EUR64,19
E-BookPDF1 - PDF WatermarkE-Book
EUR69,54

Produkt

Details
Weitere ISBN/GTIN9783031046483
ProduktartE-Book
EinbandartE-Book
FormatPDF
Format Hinweis1 - PDF Watermark
FormatE107
Erscheinungsjahr2022
Erscheinungsdatum04.11.2022
Auflage3rd ed. 2022
Seiten509 Seiten
SpracheEnglisch
IllustrationenXVII, 509 p. 189 illus., 78 illus. in color.
Artikel-Nr.9066309
Rubriken
Genre9200

Inhalt/Kritik

Inhaltsverzeichnis
Introduction.- Part 1 Getting Started with Scientific Python.- Installation and Setup.- Numpy.- Matplotlib.- Ipython.- Jupyter Notebook.- Scipy.- Pandas.- Sympy.- Interfacing with Compiled Libraries.- Integrated Development Environments.- Quick Guide to Performance and Parallel Programming.- Other Resources.- Part 2 Probability.- Introduction.- Projection Methods.- Conditional Expectation as Projection.- Conditional Expectation and Mean Squared Error.- Worked Examples of Conditional Expectation and Mean Square Error Optimization.- Useful Distributions.- Information Entropy.- Moment Generating Functions.- Monte Carlo Sampling Methods.- Useful Inequalities.- Part 3 Statistics.- Python Modules for Statistics.- Types of Convergence.- Estimation Using Maximum Likelihood.- Hypothesis Testing and P-Values.- Confidence Intervals.- Linear Regression.- Maximum A-Posteriori.- Robust Statistics.- Bootstrapping.- Gauss Markov.- Nonparametric Methods.- Survival Analysis.- Part 4 Machine Learning.- Introduction.- Python Machine Learning Modules.- Theory of Learning.- Decision Trees.- Boosting Trees.- Logistic Regression.- Generalized Linear Models.- Regularization.- Support Vector Machines.- Dimensionality Reduction.- Clustering.- Ensemble Methods.- Deep Learning.- Notation.- References.- Index.mehr