
Computational Methods for Deep Learning: Theoretic, Practice and Applications (Texts in Computer Science)
Kurzinformation



inkl. MwSt. Versandinformationen
Artikel zZt. nicht lieferbar
Artikel zZt. nicht lieferbar

Beschreibung
Computational Methods for Deep Learning: Theoretic, Practice and Applications von Wei Qi Yan ist ein umfassendes Lehrbuch, das sich auf die theoretischen und praktischen Aspekte der Implementierung und Anwendung von Deep-Learning-Techniken konzentriert. Es bietet eine detaillierte Diskussion über verschiedene Arten von neuronalen Netzwerken, einschließlich Convolutional Neural Networks (CNN), Recurrent Neural Networks (RNN) und andere. Das Buch erklärt auch die verschiedenen Algorithmen und Techniken, die in Deep Learning verwendet werden, wie Backpropagation, Stochastic Gradient Descent und mehr. Darüber hinaus behandelt das Buch auch fortgeschrittene Themen wie Transfer Learning, Reinforcement Learning und Generative Adversarial Networks (GANs). Es enthält zahlreiche Beispiele und Anwendungen aus verschiedenen Bereichen wie Bildverarbeitung, Spracherkennung und natürliche Sprachverarbeitung. Dieses Buch ist sowohl für Studierende als auch für Praktiker im Bereich der künstlichen Intelligenz geeignet.
Produktdetails

So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Kartoniert
- 360 Seiten
- Erschienen 2018
- Manning
- Kartoniert
- 445 Seiten
- Erschienen 2020
- dpunkt.verlag GmbH
- Kartoniert
- 247 Seiten
- Erschienen 2020
- O'Reilly
- Hardcover
- 372 Seiten
- Erschienen 2019
- Packt Publishing
- hardcover
- 338 Seiten
- Erschienen 2020
- Springer
- Taschenbuch
- 545 Seiten
- Erschienen 2020
- Springer Vieweg
- Hardcover
- 464 Seiten
- Erschienen 2020
- John Wiley & Sons Inc
- Gebunden
- 206 Seiten
- Erschienen 2018
- Springer
- paperback
- 306 Seiten
- Erschienen 2018
- Packt Publishing
- Kartoniert
- 1078 Seiten
- Erschienen 2001
- Springer
- Kartoniert
- 292 Seiten
- Erschienen 2020
- O'Reilly