iPhoneAlle anzeigen
iPhone 11iPhone 11 ProiPhone 11 Pro MaxiPhone 12iPhone 12 ProiPhone 12 Pro MaxiPhone 12 miniiPhone 13iPhone 13 ProiPhone 13 Pro MaxiPhone 13 miniiPhone 14iPhone 14 PlusiPhone 14 ProiPhone 14 Pro MaxiPhone 15iPhone 15 PlusiPhone 15 ProiPhone 15 Pro MaxiPhone 16iPhone 16 PlusiPhone 16 ProiPhone 16 Pro MaxiPhone 16eiPhone 8iPhone 8 PlusiPhone SE 2020iPhone SE 2022iPhone XiPhone XRiPhone XSiPhone XS Max
Galaxy A-SerieAlle anzeigen
Galaxy A12Galaxy A13Galaxy A13 5GGalaxy A14Galaxy A15Galaxy A16Galaxy A17 5GGalaxy A20eGalaxy A21Galaxy A22Galaxy A23Galaxy A24Galaxy A25Galaxy A26 5GGalaxy A32Galaxy A33Galaxy A34Galaxy A35Galaxy A36 5GGalaxy A40Galaxy A41Galaxy A42Galaxy A50Galaxy A51Galaxy A52Galaxy A53Galaxy A54Galaxy A55Galaxy A56 5GGalaxy A70Galaxy A71Galaxy A72
Redmi SeriesAlle anzeigen
Redmi 10Redmi 13CRedmi 15 5GRedmi Note 10Redmi Note 10 ProRedmi Note 11Redmi Note 11 ProRedmi Note 11 Pro Plus 5GRedmi Note 11sRedmi Note 12Redmi Note 12 5GRedmi Note 12 ProRedmi Note 12 Pro 5GRedmi Note 12 Pro PlusRedmi Note 13Redmi Note 13 5GRedmi Note 13 ProRedmi Note 13 Pro PlusRedmi Note 14Redmi Note 14 Pro PlusRedmi Note 8Redmi Note 8 ProRedmi Note 9Redmi Note 9 Pro
- Startseite
Bücher Englische Bücher Wissen & Bildung Naturwissenschaft, Medizin, Informatik, Technik Technik Maschinenbau & Fertigungstechnik Optimizing Hyperparameters for Machine Learning Algorithms in Production
Derzeit nicht verfügbar
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
Der Umwelt zuliebe
Optimizing Hyperparameters for Machine Learning Algorithms in Production
Jonathan Krauß (Taschenbuch, Englisch)
★★★★★
☆☆☆☆☆ Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
Machine learning (ML) offers the potential to train data-based models and therefore to extract knowledge from data. Due to an increase in networking and digitalization, data and consequently the application of ML are growing in production. The creation of ML models includes several tasks that need to be conducted within data integration, data preparation, modeling, and deployment.
One key design… decision in this context is the selection of the hyperparameters of an ML algorithm – regardless of whether this task is conducted manually by a data scientist or automatically by an AutoML system. Therefore, data scientists and AutoML systems rely on hyperparameter optimization (HPO) techniques: algorithms that automatically identify good hyperparameters for ML algorithms. The selection of the HPO technique is of great relevance, since it can improve the final performance of an ML model by up to 62 % and reduce its errors by up to 95 %, compared to computing with default values.
As the selection of the HPO technique depends on different domain-specific influences, it becomes more and more popular to use decision support systems to facilitate this selection. Since no approach exists, which covers the requirements from the production domain, the main research question of this thesis was: Can a decision support system be developed that supports in the selecting of HPO techniques in the production domain? Dieses Produkt haben wir gerade leider nicht auf Lager.
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
Der Umwelt zuliebe
Technische Daten
Erscheinungsdatum
13.04.2022
Sprache
Englisch
EAN
9783985550203
Herausgeber
Apprimus Verlag
Serien- oder Bandtitel
Ergebnisse aus der Produktionstechnik
Sonderedition
Nein
Autor
Jonathan Krauß
Seitenanzahl
258
Auflage
1
Einbandart
Taschenbuch
-.-
★★★★★
☆☆☆☆☆ Leider noch keine Bewertungen
Leider noch keine Bewertungen
Sicher bei rebuy kaufen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!
Sicher bei rebuy kaufen