Bücher — deep learning

EN
Künstliche Intelligenz für Dummies, 2. Auflage

Künstliche Intelligenz für Dummies, 2. Auflage

A

John Paul Mueller, Luca Massaron

KI und ML
EN
Digitale Signalverarbeitung: Veranschaulichung mit Python

Digitale Signalverarbeitung: Veranschaulichung mit Python

A

S. Esakkirajan, T. Veerakumar, Badri N. Subudhi

Programmiersprachen
EN
Praktisches Deep Learning: Eine Python-basierte Einführung

Praktisches Deep Learning: Eine Python-basierte Einführung

A

Ronald T. Kneusel

KI und ML
RU
Maschinelles Lernen mit R. Experten-Techniken für die prädiktive Analyse

Maschinelles Lernen mit R. Experten-Techniken für die prädiktive Analyse

A

Бретт Ланц

KI und ML
EN
Beschleunigen des Modelltrainings mit PyTorch 2.X

Beschleunigen des Modelltrainings mit PyTorch 2.X

A

Maicon Melo Alves

KI und ML
EN
Wie KI funktioniert: Von Zauberei zur Wissenschaft

Wie KI funktioniert: Von Zauberei zur Wissenschaft

A

Ronald T. Kneusel

KI und ML
EN
AI Essentials Guide: Principles for Navigating the Next Tech Renaissance

AI Essentials Guide: Principles for Navigating the Next Tech Renaissance

A

William Hawkins

KI und ML
EN
Maschinelles Lernen mit PyTorch und Scikit-Learn

Maschinelles Lernen mit PyTorch und Scikit-Learn

A

Sebastian Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili

KI und ML
EN
Python: Deeper Insights into Machine Learning

Python: Deeper Insights into Machine Learning

A

Sebastian Raschka, David Julian, John Hearty

KI und ML
EN
Beherrschen von OpenCV mit Python: Verwenden Sie NumPy, Scikit, TensorFlow und Matplotlib, um fortgeschrittene Algorithmen für maschinelles Lernen anhand einer Reihe praktischer Projekte zu erlernen

Beherrschen von OpenCV mit Python: Verwenden Sie NumPy, Scikit, TensorFlow und Matplotlib, um fortgeschrittene Algorithmen für maschinelles Lernen anhand einer Reihe praktischer Projekte zu erlernen

A

Ayush Vaishya

KI und ML
RU
Deep Learning und Datenanalyse. Ein praktischer Leitfaden

Deep Learning und Datenanalyse. Ein praktischer Leitfaden

A

Дмитрий Малов

KI und ML
EN
Grokking Deep Learning

Grokking Deep Learning

A

Andrew W. Trask

KI und ML
EN
Ultimate Enterprise Data Analysis and Forecasting using Python

Ultimate Enterprise Data Analysis and Forecasting using Python

A

Shanthababu Pandian

DevOps und Infrastruktur
RU
Immortal I. - Systeme der künstlichen Intelligenz (Berufsbildung) - 2019

Immortal I. - Systeme der künstlichen Intelligenz (Berufsbildung) - 2019

D
Webentwicklung
EN
Deep Learning: Grundlagen und Konzepte

Deep Learning: Grundlagen und Konzepte

A

Christopher M. Bishop, Hugh Bishop

KI und ML
EN
Machine Learning Bookcamp: Bauen Sie ein Portfolio von realen Projekten auf

Machine Learning Bookcamp: Bauen Sie ein Portfolio von realen Projekten auf

A

Alexey Grigorev

KI und ML
EN
Große Sprachmodelle von Grund auf neu erstellen: Entwerfen, Trainieren und Bereitstellen von LLMs mit PyTorch

Große Sprachmodelle von Grund auf neu erstellen: Entwerfen, Trainieren und Bereitstellen von LLMs mit PyTorch

A

Dilyan Grigorov

KI und ML
EN
Deep Learning für die Biowissenschaften: mit Python-Notebooks für Beispiele und Übungen

Deep Learning für die Biowissenschaften: mit Python-Notebooks für Beispiele und Übungen

A

Filippo Biscarini, Nelson Nazzicari

KI und ML
EN
Bildanalyse, Klassifikation und Änderungserkennung in der Fernerkundung: Mit Algorithmen für Python, fünfte Auflage

Bildanalyse, Klassifikation und Änderungserkennung in der Fernerkundung: Mit Algorithmen für Python, fünfte Auflage

A

Morton John Canty

Algorithmen und Theorie
EN
Praktische neuronale Netze in Python und MATLAB

Praktische neuronale Netze in Python und MATLAB

A

Chunwei Zhang, Tianpeng Li, Ying Dai, Li Sun, Ardashir Mohammadzadeh

KI und ML
RU
Maschinelles Lernen: Ein vollständiger Leitfaden

Maschinelles Lernen: Ein vollständiger Leitfaden

B

Неизвестен

KI und ML
RU
Autobiographie eines neuronalen Netzes

Autobiographie eines neuronalen Netzes

C

Нейросеть (сост. М.Р. Брослав, О.А. Яблоков)

KI und ML
EN
Beherrschung von Computer Vision mit PyTorch 2.0: Entdecken, entwerfen und erstellen Sie hochmoderne Hochleistungs-Computer-Vision-Lösungen mit PyTorch 2.0 und Deep-Learning-Techniken

Beherrschung von Computer Vision mit PyTorch 2.0: Entdecken, entwerfen und erstellen Sie hochmoderne Hochleistungs-Computer-Vision-Lösungen mit PyTorch 2.0 und Deep-Learning-Techniken

A

M. Arshad Siddiqui

KI und ML
EN
Programmieren mit KI für Dummies

Programmieren mit KI für Dummies

A

Chris Minnick

KI und ML
RU
Deep Learning mit Python. Die Bibliotheken Keras und TensorFlow

Deep Learning mit Python. Die Bibliotheken Keras und TensorFlow

A

Франсуа Шолле

KI und ML
RU
Anirad, K. et al. - Künstliche Intelligenz und Computer Vision. Praktische Projekte mit Python, Keras und TensorFlow (O’Reilly-Bestseller) - 2023

Anirad, K. et al. - Künstliche Intelligenz und Computer Vision. Praktische Projekte mit Python, Keras und TensorFlow (O’Reilly-Bestseller) - 2023

A

К. Анирад

KI und ML
RU
Cronin I. - Aufbau und Training generativer KI-Modelle - 2026

Cronin I. - Aufbau und Training generativer KI-Modelle - 2026

A

I. Cronin

KI und ML
RU
Künstliche Intelligenz: Ein moderner Ansatz. Vierte Ausgabe. Band 3. Lernen, Wahrnehmung und Handeln

Künstliche Intelligenz: Ein moderner Ansatz. Vierte Ausgabe. Band 3. Lernen, Wahrnehmung und Handeln

A

Стюарт Рассел, Питер Норвиг

Algorithmen und Theorie
RU
Deep Learning für Computersysteme

Deep Learning für Computersysteme

A

М. В. Ронкин, А. Ю. Долганов

KI und ML
RU
Deep Learning ohne Mathematik. Band 1. Grundlagen.

Deep Learning ohne Mathematik. Band 1. Grundlagen.

A

Эндрю Гласснер

KI und ML
RU
Deep Learning ohne Mathematik. Band 2. Praxis

Deep Learning ohne Mathematik. Band 2. Praxis

A

Эндрю Гласснер

KI und ML
RU
Deep Learning aus der Sicht eines Praktikers

Deep Learning aus der Sicht eines Praktikers

A

Джош Паттерсон, Адам Гибсон

KI und ML
EN
Machine Learning Q und AI: 30 wesentliche Fragen und Antworten zu Machine Learning und KI

Machine Learning Q und AI: 30 wesentliche Fragen und Antworten zu Machine Learning und KI

A

Sebastian Raschka

KI und ML
RU
Mathematik und Architektur des Deep Learning

Mathematik und Architektur des Deep Learning

A

Кришнанду Чаудхури, Ананья Хоннедевастхана Ашок, Суджай Наруманчи, Девашиш Шанкар

Algorithmen und Theorie
RU
Deep Learning mit Python. Zweite Auflage

Deep Learning mit Python. Zweite Auflage

B

Франсуа Шолле

KI und ML
RU
PyTorch. Deep Learning beleuchten

PyTorch. Deep Learning beleuchten

A

Эли Стивенс, Лука Антига, Томас Виман

KI und ML
RU
Maschinelles Lernen mit PyTorch und Scikit-Learn

Maschinelles Lernen mit PyTorch und Scikit-Learn

A

Себастьян Рашка, Юси (Хэйден) Лю, Вахид Мирджалили

KI und ML
RU
LLM von Grund auf bauen

LLM von Grund auf bauen

A

Себастьян Рашка

KI und ML
RU
Deep Learning in Biologie und Medizin

Deep Learning in Biologie und Medizin

A

Бхарат Рамсундар, Питер Истман, Патрик Уолтерс, Виджай Панде

KI und ML
RU
Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

Angewandtes maschinelles Lernen und künstliche Intelligenz für Ingenieure

A

Джефф Просиз

KI und ML
RU
Deep Reinforcement Learning verstehen

Deep Reinforcement Learning verstehen

A

Мигель Моралес

KI und ML
RU
Empfehlungssysteme auf Basis großer Sprachmodelle. Der vollständige Entwicklungszyklus: vom Pre-Training bis zur Bereitstellung intelligenter Agenten.

Empfehlungssysteme auf Basis großer Sprachmodelle. Der vollständige Entwicklungszyklus: vom Pre-Training bis zur Bereitstellung intelligenter Agenten.

A

Лю Лу, Чжан Юйцзюнь

KI und ML
RU
Natural Language Processing in Action. 2nd Edition

Natural Language Processing in Action. 2nd Edition

A

Хобсон Лейн, Мария Дышель

KI und ML
RU
Graph Neural Networks mit Python

Graph Neural Networks mit Python

A

Максим Лабонн, Артем Груздев

KI und ML
RU
Deep Learning für Dummies

Deep Learning für Dummies

A

Джон Пол Мюллер, Лука Массарон

KI und ML
RU
Deep Learning: Prinzipien und Konzepte

Deep Learning: Prinzipien und Konzepte

A

Кристофер М. Бишоп, Хью Бишоп

KI und ML
EN
Visuelle Objektverfolgung: Eine Evaluierungsperspektive

Visuelle Objektverfolgung: Eine Evaluierungsperspektive

A

Xin Zhao, Shiyu Hu, Xu-Cheng Yin

KI und ML
EN
Deep-Learning-Crashkurs: Ein praxisorientierter, projektbasierter Einstieg in künstliche Intelligenz

Deep-Learning-Crashkurs: Ein praxisorientierter, projektbasierter Einstieg in künstliche Intelligenz

A

Giovanni Volpe, Benjamin Midtvedt, Jesús Pineda, Henrik Klein Moberg, Harshith Bachimanchi, Joana B. Pereira, Carlo Manzo

KI und ML
EN
Einführung in Deep-Learning-Geschäftsanwendungen für Entwickler: Von Chatbots im Kundenservice bis zur medizinischen Bildverarbeitung

Einführung in Deep-Learning-Geschäftsanwendungen für Entwickler: Von Chatbots im Kundenservice bis zur medizinischen Bildverarbeitung

A

Armando Vieira, Bernardete Ribeiro

KI und ML
EN
Maschinelles Lernen: Theorie und Anwendungen – Praktische Anwendungsfälle mit Python auf klassischen und Quantencomputern

Maschinelles Lernen: Theorie und Anwendungen – Praktische Anwendungsfälle mit Python auf klassischen und Quantencomputern

A

Xavier Vasques

KI und ML
123 →