
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
- Hardcover
- 256 Seiten
- Erschienen 2023
- Wiley & Sons
- Kartoniert
- 350 Seiten
- Erschienen 2020
- O'Reilly Media
- Gebunden
- 496 Seiten
- Erschienen 2020
- Rheinwerk Computing
- Kartoniert
- 361 Seiten
- Erschienen 2017
- Manning
- Kartoniert
- 360 Seiten
- Erschienen 2018
- Manning
- Gebunden
- 368 Seiten
- Erschienen 2012
- Springer
- Taschenbuch
- 545 Seiten
- Erschienen 2020
- Springer Vieweg
- Gebunden
- 206 Seiten
- Erschienen 2018
- Springer
- Gebunden
- 241 Seiten
- Erschienen 2011
- Springer
- Gebunden
- 2264 Seiten
- Erschienen 2012
- Springer