Maschinelles Lernen: Grundlagen
A

Maschinelles Lernen: Grundlagen

Maschinelles Lernen
machine learning fundamentals probability theory Bayes theorem generalized linear models feature extraction overfitting
Autor
Сергей Николенко
Verlag
Питер
Jahr
2025
Sprache
Russisch
50
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Maschinelles Lernen ohne Umschweife

Maschinelles Lernen ohne Umschweife

Андрей Бурков

Mathematische Grundlagen des maschinellen Lernens und der Vorhersage

Mathematische Grundlagen des maschinellen Lernens und der Vorhersage

В. В. Вьюгин

Deep Learning: Prinzipien und Konzepte

Deep Learning: Prinzipien und Konzepte

Кристофер М. Бишоп, Хью Бишоп

Probabilistisches maschinelles Lernen: Eine Einführung

Probabilistisches maschinelles Lernen: Eine Einführung

Кэвин П. Мэрфи

Maschinelles Lernen. Die Wissenschaft und Kunst, Algorithmen zu entwickeln, die Wissen aus Daten extrahieren.

Maschinelles Lernen. Die Wissenschaft und Kunst, Algorithmen zu entwickeln, die Wissen aus Daten extrahieren.

Петер Флах (Peter Flach)

Deep Learning aus der Sicht eines Praktikers

Deep Learning aus der Sicht eines Praktikers

Джош Паттерсон, Адам Гибсон

Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

Джефф Просиз

Maschinelles Lernen. Portfolio realer Projekte

Maschinelles Lernen. Portfolio realer Projekte

Алексей Григорьев

Maschinelles Lernen: Algorithmen für Unternehmen

Maschinelles Lernen: Algorithmen für Unternehmen

Маркос Лопез де Прадо

Maschinelles Lernen: Grundlagen, Algorithmen und praktische Anwendung

Maschinelles Lernen: Grundlagen, Algorithmen und praktische Anwendung

Джереми Уатт, Реза Борхани, Аггелос К. Катсаггелос