Maschinelles Lernen für Anwendungen mit hohem Risiko
A

Maschinelles Lernen für Anwendungen mit hohem Risiko

Maschinelles Lernen
machine learning risk management XGBoost Python Explainable AI model validation NIST AI framework
Autor
Patrick Hall, James Curtis, Parul Pandey
Verlag
ALIST
Jahr
2025
Sprache
Russisch
47
Dieses Buch bewerten

Zum Lesen des Buches, Anmelden / Registrieren

Vorschau des Fragments

Ähnliche Bücher

Maschinelles Lernen. Portfolio realer Projekte

Maschinelles Lernen. Portfolio realer Projekte

Alexei Grigorjew

Maschinelles Lernen für Hochrisiko-Anwendungen: Ansätze für verantwortungsvolle KI

Maschinelles Lernen für Hochrisiko-Anwendungen: Ansätze für verantwortungsvolle KI

Patrick Hall, James Curtis, Parul Pandey

Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

Jeff Prosise

Maschinelles Lernen. Entwurfsmuster

Maschinelles Lernen. Entwurfsmuster

Walliappa Lakshmanan, Sarah Robinson, Michael Munn

Maschinelles Lernen

Maschinelles Lernen

Henrik Brink, Joseph Richards, Mark Feverolf

Maschinelles Lernen verstehen

Maschinelles Lernen verstehen

Serrano Luis

Machine Learning: Taschenhandbuch. Kurzanleitung zu Methoden des strukturierten maschinellen Lernens mit Python

Machine Learning: Taschenhandbuch. Kurzanleitung zu Methoden des strukturierten maschinellen Lernens mit Python

Matt Harrison

Human-in-the-Loop Machine Learning

Human-in-the-Loop Machine Learning

Robert (Munro) Monarch

Erstellung von Machine-Learning-Systemen mit Python. 2. Auflage

Erstellung von Machine-Learning-Systemen mit Python. 2. Auflage

Luis Pedro Coelho, Willi Richert

Maschinelles Lernen in Elastic Stack

Maschinelles Lernen in Elastic Stack

Rich Collier, Camilla Montonen, Bahaaaldin Azarmi