Bücher — deep learning

EN
Keras

Keras

A

Hayden Van Der Post

KI und ML
RU
TinyML. Das Kochbuch

TinyML. Das Kochbuch

A

Джан Марко Йодиче

Eingebettete Systeme
EN
Zeitreihenvorhersage in Python

Zeitreihenvorhersage in Python

A

Marco Peixeiro

KI und ML
EN
TensorFlow in Aktion

TensorFlow in Aktion

A

Thushan Ganegedara

KI und ML
EN
Maschinelles Lernen für kausale Inferenz

Maschinelles Lernen für kausale Inferenz

A

Sheng Li, Zhixuan Chu (Editors)

KI und ML
EN
Deep Learning mit JAX

Deep Learning mit JAX

A

Grigory Sapunov

KI und ML
EN
Entmystifizierung von Deep Learning: Eine Einführung in die Mathematik neuronaler Netze

Entmystifizierung von Deep Learning: Eine Einführung in die Mathematik neuronaler Netze

A

Douglas J. Santry

KI und ML
EN
Deep Reinforcement Learning mit Python: RLHF für Chatbots und Large Language Models, Zweite Auflage

Deep Reinforcement Learning mit Python: RLHF für Chatbots und Large Language Models, Zweite Auflage

A

Nimish Sanghi

KI und ML
EN
Maschinelles Lernen für tabellarische Daten: XGBoost, Deep Learning und KI

Maschinelles Lernen für tabellarische Daten: XGBoost, Deep Learning und KI

A

Mark Ryan, Luca Massaron

KI und ML
EN
Ein großes Sprachmodell erstellen (Von Grund auf)

Ein großes Sprachmodell erstellen (Von Grund auf)

A

Sebastian Raschka

KI und ML
EN
Ultimative Programmierung neuronaler Netze mit Python: Erstellen Sie leistungsstarke moderne KI-Systeme durch Nutzung neuronaler Netze mit Python, Keras und TensorFlow

Ultimative Programmierung neuronaler Netze mit Python: Erstellen Sie leistungsstarke moderne KI-Systeme durch Nutzung neuronaler Netze mit Python, Keras und TensorFlow

A

Vishal Rajput

KI und ML
EN
Java Deep Learning Cookbook: Neuronale Netze für Klassifizierung, NLP und Reinforcement Learning mit Deeplearning4j trainieren

Java Deep Learning Cookbook: Neuronale Netze für Klassifizierung, NLP und Reinforcement Learning mit Deeplearning4j trainieren

A

Rahul Raj

KI und ML
RU
Python und maschinelles Lernen: maschinelles und tiefes Lernen mit Python, scikit-learn und TensorFlow 2

Python und maschinelles Lernen: maschinelles und tiefes Lernen mit Python, scikit-learn und TensorFlow 2

A

Себастьян Рашка, Вахид Мирджалили

KI und ML
EN
Python Deep Learning

Python Deep Learning

A

Ivan Vasilev

KI und ML
EN
Angewandtes Maschinelles Lernen und KI für Ingenieure

Angewandtes Maschinelles Lernen und KI für Ingenieure

A

Jeff Prosise

KI und ML
RU
Angewandte Textdatenanalyse mit Python. Maschinelles Lernen und Entwicklung von Anwendungen zur Verarbeitung natürlicher Sprache

Angewandte Textdatenanalyse mit Python. Maschinelles Lernen und Entwicklung von Anwendungen zur Verarbeitung natürlicher Sprache

A

Бенджамин Бенгфорт, Ребекка Билбро, Тони Охеда

KI und ML
RU
Angewandtes unüberwachtes maschinelles Lernen mit Python

Angewandtes unüberwachtes maschinelles Lernen mit Python

A

Анкур Пател

KI und ML
EN
Praktisches TensorFlow.js: Deep Learning in der Web-App-Entwicklung

Praktisches TensorFlow.js: Deep Learning in der Web-App-Entwicklung

A

Juan De Dios Santos Rivera

KI und ML
EN
Praktische Graph Neural Networks mit Python: Praktische Techniken und Architekturen für leistungsstarke Graph- und Deep-Learning-Anwendungen mit PyTorch

Praktische Graph Neural Networks mit Python: Praktische Techniken und Architekturen für leistungsstarke Graph- und Deep-Learning-Anwendungen mit PyTorch

A

Maxime Labonne

KI und ML
EN
Neuronale Netzwerkprogrammierung mit Java

Neuronale Netzwerkprogrammierung mit Java

A

Fábio M. Soares, Alan M.F. Souza

KI und ML
EN
Natural Language Processing in Aktion: Verstehen, Analysieren und Generieren von Text mit Python

Natural Language Processing in Aktion: Verstehen, Analysieren und Generieren von Text mit Python

A

Hobson Lane, Cole Howard, Hannes Max Hapke

KI und ML
EN
Big Data: Konzeptionelle Analyse und Anwendungen

Big Data: Konzeptionelle Analyse und Anwendungen

A

Michael Z. Zgurovsky, Yuriy P. Zaychenko

KI und ML
RU
Maschinelles Lernen mit Python. Ein Rezeptbuch

Maschinelles Lernen mit Python. Ein Rezeptbuch

A

Крис Элбон

Algorithmen und Theorie
EN
Deep Learning im großen Maßstab: An der Schnittstelle von Hardware, Software und Daten

Deep Learning im großen Maßstab: An der Schnittstelle von Hardware, Software und Daten

A

Suneeta Mall

KI und ML
RU
Maschinelles Lernen. Ein tiefer Einblick in die Technologie.

Maschinelles Lernen. Ein tiefer Einblick in die Technologie.

B

Артем Демиденко

KI und ML
EN
Maschinelles Lernen, animiert

Maschinelles Lernen, animiert

A

Mark Liu

KI und ML
EN
Generative KI mit PyTorch lernen

Generative KI mit PyTorch lernen

A

Mark Liu

KI und ML
EN
Deep Learning für Finanzen: Erstellung von Machine- und Deep-Learning-Modellen für den Handel in Python

Deep Learning für Finanzen: Erstellung von Machine- und Deep-Learning-Modellen für den Handel in Python

A

Sofien Kaabar

KI und ML
RU
JavaScript für Deep Learning mit TensorFlow.js

JavaScript für Deep Learning mit TensorFlow.js

A

Франсуа Шолле, Эрик Нильсон, Стэн Байлесчи, Шэнкуинг Цэй

KI und ML
EN
TensorFlow Developer Certificate Guide: Von den Grundlagen bis zum Produktiveinsatz

TensorFlow Developer Certificate Guide: Von den Grundlagen bis zum Produktiveinsatz

B

Не указан в предоставленном тексте

KI und ML
EN
Neuronale Netze mit TensorFlow und Keras: Training, Generative Modelle und Reinforcement Learning

Neuronale Netze mit TensorFlow und Keras: Training, Generative Modelle und Reinforcement Learning

A

Philip Hua

KI und ML
EN
Deep Learning mit PyTorch Schritt für Schritt: Ein Leitfaden für Anfänger

Deep Learning mit PyTorch Schritt für Schritt: Ein Leitfaden für Anfänger

A

Daniel Voigt Godoy

KI und ML
RU
Deep Learning mit R

Deep Learning mit R

A

Франсуа Шолле

KI und ML
EN
Edge Intelligence: Deep Learning-gestütztes Edge Computing

Edge Intelligence: Deep Learning-gestütztes Edge Computing

A

Shajulin Benedict

KI und ML
EN
Die Wissenschaft des Deep Learning

Die Wissenschaft des Deep Learning

A

Iddo Drori

KI und ML
EN
Entwicklung von Zeitreihenvorhersagemodellen mit generativer künstlicher Intelligenz

Entwicklung von Zeitreihenvorhersagemodellen mit generativer künstlicher Intelligenz

B

Juan Morales-Garcia, Antonio Llanes, Francisco Arcas-Tunez, Fernando Terroso-Saenz

KI und ML
RU
Data Science. Data Science von Grund auf

Data Science. Data Science von Grund auf

A

Джоэл Грае (Joel Grus)

KI und ML
EN
Deep Learning für Zeitreihen-Kochbuch: Nutzen Sie PyTorch- und Python-Rezepte für Prognosen, Klassifizierung und Anomalieerkennung

Deep Learning für Zeitreihen-Kochbuch: Nutzen Sie PyTorch- und Python-Rezepte für Prognosen, Klassifizierung und Anomalieerkennung

A

Vitor Cerqueira, Luís Roque

KI und ML
EN
Deep Learning für die Erkennung rissartiger Objekte

Deep Learning für die Erkennung rissartiger Objekte

A

Kaige Zhang, Heng-Da Cheng

KI und ML
EN
Das Hundert-Seiten-Sprachmodelle-Buch

Das Hundert-Seiten-Sprachmodelle-Buch

A

Andriy Burkov

KI und ML
EN
Graph Neural Networks in Aktion

Graph Neural Networks in Aktion

A

Keita Broadwater, Namid Stillman

KI und ML
EN
Computer Vision: Objekterkennung in adversarischer Bildverarbeitung

Computer Vision: Objekterkennung in adversarischer Bildverarbeitung

A

Mrinal Kanti Bhowmik

KI und ML
EN
Praktisches Deep Learning: Ein Leitfaden zu Deep Learning mit Projekten und Anwendungen

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

A

Harsh Bhasin

KI und ML
EN
Handbuch des evolutionären maschinellen Lernens

Handbuch des evolutionären maschinellen Lernens

A

Wolfgang Banzhaf, Penousal Machado, Mengjie Zhang (Editors)

KI und ML
EN
Pro Deep Learning mit TensorFlow 2.0: Ein mathematischer Ansatz für fortgeschrittene künstliche Intelligenz in Python

Pro Deep Learning mit TensorFlow 2.0: Ein mathematischer Ansatz für fortgeschrittene künstliche Intelligenz in Python

A

Santanu Pattanayak

KI und ML
EN
Angewandte Empfehlungssysteme mit Python: Empfehlungssysteme mit Deep Learning, NLP und graphenbasierten Techniken erstellen

Angewandte Empfehlungssysteme mit Python: Empfehlungssysteme mit Deep Learning, NLP und graphenbasierten Techniken erstellen

A

Akshay Kulkarni, Adarsha Shivananda, Anoosh Kulkarni, V Adithya Krishnan

Algorithmen und Theorie
EN
Entwicklung von Computer-Vision-Anwendungen mit künstlichen neuronalen Netzen: Mit Beispielen in OpenCV und TensorFlow mit Python, Zweite Auflage

Entwicklung von Computer-Vision-Anwendungen mit künstlichen neuronalen Netzen: Mit Beispielen in OpenCV und TensorFlow mit Python, Zweite Auflage

A

Shamshad Ansari

KI und ML
EN
Hands-On Große Sprachmodelle: Sprachverständnis und -generierung

Hands-On Große Sprachmodelle: Sprachverständnis und -generierung

A

Jay Alammar, Maarten Grootendorst

KI und ML
EN
Maschinelles Lernen für unausgeglichene Daten: Umgang mit unausgeglichenen Datensätzen mithilfe von Machine-Learning- und Deep-Learning-Techniken

Maschinelles Lernen für unausgeglichene Daten: Umgang mit unausgeglichenen Datensätzen mithilfe von Machine-Learning- und Deep-Learning-Techniken

A

Kumar Abhishek, Dr. Mounir Abdelaziz

KI und ML
EN
Generative Künstliche Intelligenz: Die Kraft und das Potenzial von Generative AI erkunden

Generative Künstliche Intelligenz: Die Kraft und das Potenzial von Generative AI erkunden

A

Shivam R Solanki, Drupad K Khublani

KI und ML
← 2345 →