Die Neuauflage des Fachbuches wurde ergänzt durch die Themen Unsupervised Learning und Reinforcement Learning. Anhand konkreter Datensätzen lernen Anwender einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung. Die Codebeispiele basieren auf Python und den Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras. Das Buch eignet sich für zukünftige Data Scientists, ML-Profis sowie für Interessierte, die nur am Rande mit ML zu tun haben, wie z.B. Softwareentwickler und vermittelt eine Grundlage, um die ersten eigenen Machine-Learning-Modelle zu trainieren. Folgende Themen werden behandelt und mit praktischen Beispielen veranschaulicht: Datenimport und -vorbereitung, Supervised Learning, Feature-Auswahl, Modellvalidierung, Neuronale Netze und Deep Learning, Unsupervised Learning und Reinforcement Learning.
