Praktisches Maschinenlernen mit C++: End-to-End-Machine-Learning- und Deep-Learning-Pipelines erstellen, trainieren und bereitstellen
A

Praktisches Maschinenlernen mit C++: End-to-End-Machine-Learning- und Deep-Learning-Pipelines erstellen, trainieren und bereitstellen

Neuronale Netzwerke
C++ machine learning deep learning neural networks Eigen data processing production deployment
Autor
Kirill Kolodiazhnyi
Verlag
Packt Publishing
Jahr
2025
Sprache
Englisch
67
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Praktisches Deep Learning: Ein Leitfaden zu Deep Learning mit Projekten und Anwendungen

Praktisches Deep Learning: Ein Leitfaden zu Deep Learning mit Projekten und Anwendungen

Harsh Bhasin

Maschinelles Lernen mit Python für Anfänger: Eine Schritt-für-Schritt-Anleitung mit praktischen Projekten

Maschinelles Lernen mit Python für Anfänger: Eine Schritt-für-Schritt-Anleitung mit praktischen Projekten

Jamie Chan

Praktische Systemprogrammierung mit C++: Performante und nebenläufige Unix- und Linux-Systeme mit C++17 entwickeln

Praktische Systemprogrammierung mit C++: Performante und nebenläufige Unix- und Linux-Systeme mit C++17 entwickeln

Dr. Rian Quinn

Pro Machine Learning Algorithms: Ein praktischer Ansatz zur Implementierung von Algorithmen in Python und R

Pro Machine Learning Algorithms: Ein praktischer Ansatz zur Implementierung von Algorithmen in Python und R

V Kishore Ayyadevara

Praktisches Maschinelles Lernen mit Scikit-Learn und PyTorch: Konzepte, Werkzeuge und Techniken zum Aufbau intelligenter Systeme

Praktisches Maschinelles Lernen mit Scikit-Learn und PyTorch: Konzepte, Werkzeuge und Techniken zum Aufbau intelligenter Systeme

Aurélien Géron

Praktisches maschinelles Lernen auf Databricks

Praktisches maschinelles Lernen auf Databricks

Debu Sinha

Praktisches Maschinelles Lernen mit Scikit-Learn, Keras & TensorFlow: Konzepte, Tools und Techniken zum Aufbau intelligenter Systeme

Praktisches Maschinelles Lernen mit Scikit-Learn, Keras & TensorFlow: Konzepte, Tools und Techniken zum Aufbau intelligenter Systeme

Aurélien Géron

Methoden des maschinellen Lernens

Methoden des maschinellen Lernens

Hang Li

Python Machine Learning Projekte: Lernen Sie, wie Sie Machine Learning Projekte von Grund auf erstellen

Python Machine Learning Projekte: Lernen Sie, wie Sie Machine Learning Projekte von Grund auf erstellen

Dr. Deepali R Vora, Dr. Gresha S Bhatia

Praktische Entwurfsmuster mit C++: Lösen Sie häufige C++-Probleme mit modernen Entwurfsmustern und erstellen Sie robuste Anwendungen

Praktische Entwurfsmuster mit C++: Lösen Sie häufige C++-Probleme mit modernen Entwurfsmustern und erstellen Sie robuste Anwendungen

Fedor G. Pikus