Deep Learning. Das umfassende Handbuch: Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze (mitp Professional)
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
"Deep Learning. Das umfassende Handbuch" von Yoshua Bengio, Ian Goodfellow und Aaron Courville ist ein umfassendes Werk, das die Grundlagen, aktuellen Verfahren und Algorithmen sowie neue Forschungsansätze im Bereich des Deep Learning behandelt. Das Buch beginnt mit einer Einführung in grundlegende Konzepte des maschinellen Lernens und der neuronalen Netze. Es deckt eine Vielzahl von Themen ab, darunter Feedforward-Netze, Regularisierungstechniken, Optimierungsalgorithmen und die Architektur tiefer Netzwerke wie Convolutional Neural Networks (CNNs) und Recurrent Neural Networks (RNNs). Darüber hinaus werden fortgeschrittene Themen wie Autoencoder, generative Modelle und Deep Reinforcement Learning behandelt. Das Handbuch bietet sowohl theoretische Einblicke als auch praktische Anleitungen zur Implementierung von Deep-Learning-Modellen. Es richtet sich an Studierende, Forscher und Praktiker im Bereich der künstlichen Intelligenz und bietet einen fundierten Überblick über den aktuellen Stand der Technik sowie zukünftige Forschungsrichtungen.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Gebunden
- 352 Seiten
- Erschienen 2018
- The MIT Press
- Kartoniert
- 360 Seiten
- Erschienen 2018
- Manning
- Hardcover
- 622 Seiten
- Erschienen 2017
- Packt Publishing
- Kartoniert
- 235 Seiten
- Erschienen 2021
- O'Reilly
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- Kartoniert
- 292 Seiten
- Erschienen 2020
- O'Reilly
- Gebunden
- 718 Seiten
- Erschienen 2017
- Springer
- Kartoniert
- 576 Seiten
- Erschienen 2021
- Springer
- Kartoniert
- 198 Seiten
- Erschienen 2019
- O'Reilly
- Gebunden
- 338 Seiten
- Erschienen 2006
- Springer



