xmas15 Öle & Betriebsstoffe für Ihr Auto Kinderweihnachtswelt Kalenderangebote Oktober2015 Cloud Drive Photos Geschenkefinder Learn More Movember HI_SMART_HOME Hier klicken Fire Shop Kindle dvd WINTERFIT
Building Probabilistic Graphical Models with Python und über 1,5 Millionen weitere Bücher verfügbar für Amazon Kindle. Erfahren Sie mehr
EUR 22,45
  • Alle Preisangaben inkl. MwSt.
Auf Lager.
Verkauf und Versand durch Amazon. Geschenkverpackung verfügbar.
Building Probabilistic Gr... ist in Ihrem Einkaufwagen hinzugefügt worden
Möchten Sie verkaufen?
Zur Rückseite klappen Zur Vorderseite klappen
Hörprobe Wird gespielt... Angehalten   Sie hören eine Hörprobe des Audible Hörbuch-Downloads.
Mehr erfahren
Alle 3 Bilder anzeigen

Building Probabilistic Graphical Models with Python (Englisch) Taschenbuch – 25. Juni 2014

1 Kundenrezension

Alle Formate und Ausgaben anzeigen Andere Formate und Ausgaben ausblenden
Neu ab Gebraucht ab
Kindle Edition
"Bitte wiederholen"
"Bitte wiederholen"
EUR 22,45
EUR 22,45 EUR 27,13
6 neu ab EUR 22,45 1 gebraucht ab EUR 27,13

Hinweise und Aktionen

  • Verschenken Sie Bücher zu Weihnachten: Entdecken Sie die schönsten Buchgeschenke zu Weihnachten, Adventskalender und Bücher rund ums Fest. Hier klicken.

Wird oft zusammen gekauft

  • Building Probabilistic Graphical Models with Python
  • +
  • Probabilistic Graphical Models: Principles and Techniques (Adaptive Computation and Machine Learning)
Gesamtpreis: EUR 102,14
Die ausgewählten Artikel zusammen kaufen

Es wird kein Kindle Gerät benötigt. Laden Sie eine der kostenlosen Kindle Apps herunter und beginnen Sie, Kindle-Bücher auf Ihrem Smartphone, Tablet und Computer zu lesen.

  • Apple
  • Android
  • Windows Phone

Geben Sie Ihre E-Mail-Adresse oder Mobiltelefonnummer ein, um die kostenfreie App zu beziehen.

Jeder kann Kindle Bücher lesen — selbst ohne ein Kindle-Gerät — mit der KOSTENFREIEN Kindle App für Smartphones, Tablets und Computer.


  • Taschenbuch: 172 Seiten
  • Verlag: Packt Publishing (25. Juni 2014)
  • Sprache: Englisch
  • ISBN-10: 1783289007
  • ISBN-13: 978-1783289004
  • Größe und/oder Gewicht: 19 x 1 x 23,5 cm
  • Durchschnittliche Kundenbewertung: 2.0 von 5 Sternen  Alle Rezensionen anzeigen (1 Kundenrezension)
  • Amazon Bestseller-Rang: Nr. 381.535 in Fremdsprachige Bücher (Siehe Top 100 in Fremdsprachige Bücher)

Mehr über den Autor

Entdecken Sie Bücher, lesen Sie über Autoren und mehr


Über den Autor und weitere Mitwirkende

Kiran R Karkera

Kiran R Karkera is a telecom engineer with a keen interest in machine learning. He has been programming professionally in Python, Java, and Clojure for more than 10 years. In his free time, he can be found attempting machine learning competitions at Kaggle and playing the flute.

Welche anderen Artikel kaufen Kunden, nachdem sie diesen Artikel angesehen haben?

In diesem Buch

(Mehr dazu)
Ausgewählte Seiten ansehen
Buchdeckel | Copyright | Inhaltsverzeichnis | Auszug | Stichwortverzeichnis | Rückseite
Hier reinlesen und suchen:


2.0 von 5 Sternen
5 Sterne
4 Sterne
3 Sterne
2 Sterne
1 Sterne
Siehe die Kundenrezension
Sagen Sie Ihre Meinung zu diesem Artikel

Die hilfreichsten Kundenrezensionen

2 von 2 Kunden fanden die folgende Rezension hilfreich Von Beebear am 17. August 2014
Format: Taschenbuch Verifizierter Kauf
This book presents a quick overview of practical graphical network models and some Python libraries for it.
The choice of topics is good, but the effort put into conveying them seems low. The reasoning is poorly structured so that it is hard to learn something new. Some tables and figures show obvious signs of draft versions. The author couldn't be bothered to provide correct resolution for all the plots. Thus, some plots are upscaled from very low resolution with crammed labels and a blurred, illegible font. The work features a basic miss-interpretation of the p-value. Some special paragraphs are missing or shifted, so it's hard to believe that the author did proof-read the work even once.
While such a book is a nice idea, the current state is not a book worth paying for.
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
Missbrauch melden

Die hilfreichsten Kundenrezensionen auf Amazon.com (beta)

Amazon.com: 5 Rezensionen
7 von 7 Kunden fanden die folgende Rezension hilfreich
Useful Book for Programmers who want to use Graphical Models in Python 31. August 2014
Von satnam singh - Veröffentlicht auf Amazon.com
Format: Taschenbuch
“Building Probabilistic Graphical Models (PGMs) with Python” book is an excellent pick up for programmers who just want to know basics of the PGMs and quickly apply them to solve their analytical problems. Book’s author, Kiran has done an excellent work in collecting knowledge about the PGMs from multiple places and providing it in a simple and lucid form.

The book provides detailed python code to solve almost all the analytical problems of the PGMs including both approximate and exact inference computation, structure learning and parameter learning. The book does provide necessary mathematics and theory along with Python code.

On the flip side, the book assumes that reader should know what kind of problems the PGMs can solve. The focus of the book is to provide adequate technical details of the PGMs and python code so that anybody can start using it.

I would say that this book is one stop buy for anyone who quickly wants to put hands dirty and start using to solve their analytical problems.
7 von 8 Kunden fanden die folgende Rezension hilfreich
Perfect to get started with probabilistic graphical models in Python ! 5. August 2014
Von MR GRAMFORT ALEXANDRE - Veröffentlicht auf Amazon.com
Format: Kindle Edition
This book is perfect to get you started with probabilistic graphical models (PGM) with Python. It starts with a quick intro to Bayesian and Markov Networks covering concepts like conditional independence and D-separation. It then covers the different aspects of PGM: structure learning, parameter estimation (with frequentist or Bayesian approach) and inference. All is illustrated with examples and code snippets using mostly the libpgm package. PyMC is used for Bayesian parameter estimation.

It is fairly well written although there is a few typos here and there as well as little formatting errors in the python code.

It will not make you an expert of PGM as the book by Daphne Koller but it will get you started quickly with Python.

Definitely an enjoyable read if you're interested in PGM with Python.
3 von 4 Kunden fanden die folgende Rezension hilfreich
All Equations and Code are Unreadable Gibberish on Kindle Version - Do Not Buy! 12. Juli 2015
Von Tungsten - Veröffentlicht auf Amazon.com
Format: Kindle Edition
This review is for the Kindle version only, I have not read the print version.
This is a book concerning math, as such it has lots of formulas.
Those formulas are completely scrambled and mostly undecipherable on all platforms.
I have included a screen shot of a typical page.
I have tried reading this book on my Android phone, iPad, PC desktop, and Macbook Pro. It is unreadable on all platforms.
There is no way anyone who actually tried reading this book on Kindle would find it useful.
I would therefore also strongly question the veracity of the reviews of the Kindle version which don't mention the fact that the Kindle version is unreadable.
The text portions of the book seem reasonable and logical, generally well written.
Might be a good book to own if the publisher would fix it, but there is no way to really tell.
0 von 7 Kunden fanden die folgende Rezension hilfreich
Four Stars 29. November 2014
Von john hopkins - Veröffentlicht auf Amazon.com
Format: Kindle Edition Verifizierter Kauf
good coverage of a new statistical analytic method
0 von 36 Kunden fanden die folgende Rezension hilfreich
received book, scanned it briefly. However I haven\'t ... 14. November 2014
Von joel - Veröffentlicht auf Amazon.com
Format: Taschenbuch Verifizierter Kauf
received book, scanned it briefly. However I haven\'t had a chance to read it in detail and apply it to what I'm working on.
Waren diese Rezensionen hilfreich? Wir wollen von Ihnen hören.