Основы глубокого обучения: создание алгоритмов для...

Main
Computers - Computer Science
Основы глубокого обучения: создание...

Основы глубокого обучения: создание алгоритмов для искусственного интеллекта следующего поколения

Нахиль Будума, при участии Николаса Локашо, перевод с английского Александра Коробейникова

0 / 0

როგორ მოგეწონათ ეს წიგნი?

როგორი ხარისხისაა ეს ფაილი?

ჩატვირთეთ, ხარისხის შესაფასებლად

როგორი ხარისხისაა ჩატვირთული ფაილი?

კატეგორია:

Computers - Computer Science

წელი:

2020

გამომცემლობა:

Манн, Иванов и Фербер

ენა:

russian

გვერდები:

298

ISBN 10:

5001464722

ISBN 13:

9785001464723

ფაილი:

PDF, 9.58 MB

IPFS:

,

russian, 2020

ონლაინ წაკითხვა

ჩატვირთვა (pdf, 9.58 MB)

ხორციელდება კონვერტაციის -ში

კონვერტაციის -ში ვერ მოხერხდა

შესაძლოა დაგაინტერესოთ

Терренс Сейновски — Антология машинного обучения. Важнейшие исследования в области ИИ за последние 60 лет

Терренс Сейновски — Антология машинного обучения. Важнейшие исследования в области ИИ за последние 60 лет @bookinieros

Филиппов Ф. В. — Нейросетевые технологии: учебное пособие

Филиппов Ф. В. — Моделирование нейронных сетей глубокого обучения: учебное пособие

А.А. Ежов, С.А. Шумский — Нейрокомпьтинг и его применение в экономике и бизнесе

Четвериков С.В. — Нейронные сети и их устройство

Терренс Джей Сейновски — Антология машинного обучения. Важнейшие исследования в области ИИ за последние 60 лет

Терренс Дж. Сейновски — Антология машинного обучения. Важнейшие исследования в области ИИ за последние 60 лет

Пятковский О.И. — Интеллектуальные информационные системы (нейронные сети)

И.В. Заенцев — Нейронные сети: основные модели

Жерон Орельен — Прикладное машинное обучение с помощью scikit-learn и tensorflow

Нихиль Будума, Николас Локашо — Основы глубокого обучения. Создание алгоритмов для искусственного интеллекта следующего поколения

Сет Вейдман — Глубокое обучение: легкая разработка проектов на Python

Шолле Ф. (Chollet F.) — Глубокое обучение на Python

Франсуа Шолле, Эрик Нильсон, Стэн Байлесчи, Шэнкуинг Цэй — JavaScript для глубокого обучения: TensorFlow.js

Нахиль Будума, при участии Николаса Локашо ; перевод с английского Александра Коробейникова — Основы глубокого обучения: создание алгоритмов для искусственного интеллекта следующего поколения

Терренс Сейновски — Антология машинного обучения : важнейшие исследования в области ИИ за последние 60 лет

Джон Д. Келлехер — Глубокое обучение. Самый краткий и понятный курс

Мелани Митчелл — Идиот или гений? Как работает и на что способен искусственный интеллект

Шумский С. А. — Машинный интеллект. Очерки по теории машинного обучения и искусственного интеллекта

Франсуа Шолле — Глубокое обучение на Python

Нишант Шакла — Машинное обучение и TensorFlow

Франсуа Шолле при участии Дж. Дж. Аллера ; перевел с английского А. Киселев — Глубокое обучение на R:

Брайан Макмахан, Делип Рао — Знакомство с PyTorch: глубокое обучение при обработке естественного языка

Джереми Ховард, Сильвейн Гуггер — Глубокое обучение с fastai и PyTorch: минимум формул, минимум кода, максимум эффективности

Дэвид Фостер ; [перевод с английского А. Киселева] — Генеративное глубокое обучение. Творческий потенциал нейронных сетей

Ян Пойнтер — Программируем с PyTorch: Создание приложений глубокого обучения

Франсуа Шолле, Эрик Нильсон, Стэн Байлесчи, Шэнкуинг Цэй — JavaScript для глубокого обучения: TensorFlow.js

Анирад Коул, Сиддха Ганджу, Мехер Казам — Искусственный интеллект и компьютерное зрение. Реальные проекты на Python, Keras и TensorFlow

Франсуа Шолле — Глубокое обучение на Python. 2-е межд. издание

Эли Стивенс, Лука Антига, Томас Виман — PyTorch. Освещая глубокое обучение

Николенко С. И., Кадурин А. А., Архангельская Е. О. — Глубокое обучение

Каллан Р.(Callan R.) — Основные концепции нейронных сетей

Долгова Е. В. — Компьютерные нейросетевые технологии

Коллектив авторов — Нейронные сети в Matlab: Практическое пособие

საკვანძო ფრაზები

обучения

глубокого

обучение

значения

представления

использовать

нейронов

параметров

распространением

нейросети

выходные

рассмотрим

последовательностей

подкреплением

представлений

изображения

использования

признаков

нейросетей

результаты

стратегии