Bücher — machine learning

RU
Generative Adversarial Networks. Projekte. Bauen Sie die nächste Generation generativer Netzwerke mit den Bibliotheken TensorFlow und Keras.

Generative Adversarial Networks. Projekte. Bauen Sie die nächste Generation generativer Netzwerke mit den Bibliotheken TensorFlow und Keras.

A

Кайлаш Ахирвар

KI und ML
RU
Erstellung von Machine-Learning-Anwendungen: Von der Idee zum Produkt

Erstellung von Machine-Learning-Anwendungen: Von der Idee zum Produkt

A

Эммануэль Амейзен

KI und ML
RU
Wir erstellen ein neuronales Netzwerk

Wir erstellen ein neuronales Netzwerk

A

Тарик Рашид

KI und ML
RU
Moderne Technologien der Datenanalyse

Moderne Technologien der Datenanalyse

A

А. В. Макшанов, А. Е. Журавлев, Л. Н. Тындыкарь

KI und ML
RU
Mustererkennungssysteme

Mustererkennungssysteme

A

А.В. Бобков

Algorithmen und Theorie
RU
Künstliche Intelligenz Systeme

Künstliche Intelligenz Systeme

A

А. В. Остроух, Н. Е. Суркова

KI und ML
RU
Künstliche Intelligenz Systeme. Neuronale Netzwerkmodellierung in MATLAB. Laborpraktikum

Künstliche Intelligenz Systeme. Neuronale Netzwerkmodellierung in MATLAB. Laborpraktikum

A

П. С. Романов, И. П. Романова

KI und ML
RU
Sielen D., Meisman A. Grundlagen von Data Science und Big Data Python und Wissenschaft.PDF

Sielen D., Meisman A. Grundlagen von Data Science und Big Data Python und Wissenschaft.PDF

F
KI und ML
RU
Python für Datenanalyse. Datenverarbeitung, Visualisierung und maschinelles Lernen.

Python für Datenanalyse. Datenverarbeitung, Visualisierung und maschinelles Lernen.

B

Уэс Маккинни

KI und ML
RU
System-Tuning: Experimentieren für Ingenieure von A/B-Tests bis zur Bayes'schen Optimierung

System-Tuning: Experimentieren für Ingenieure von A/B-Tests bis zur Bayes'schen Optimierung

B

Дэвид Свит

Algorithmen und Theorie
RU
Leitfaden zur Vorbereitung auf Data Science-Interviews

Leitfaden zur Vorbereitung auf Data Science-Interviews

A

Ренат Алимбеков

IT-Management
RU
Empfehlungssysteme in der Praxis

Empfehlungssysteme in der Praxis

A

Ким Фальк

KI und ML
RU
Mustererkennung und maschinelles Lernen

Mustererkennung und maschinelles Lernen

A

Кристофер М. Бишоп

Algorithmen und Theorie
RU
Entwicklung intelligenter Systeme. Einführung in die Technologie des maschinellen Lernens.

Entwicklung intelligenter Systeme. Einführung in die Technologie des maschinellen Lernens.

A

Джефф Хултен

KI und ML
RU
Fortgeschrittene Algorithmen und Datenstrukturen

Fortgeschrittene Algorithmen und Datenstrukturen

A

Марчелло Ла Рокка

Algorithmen und Theorie
RU
Maschinelles Lernen. Von den Grundlagen zu fortgeschrittenen Modellen.

Maschinelles Lernen. Von den Grundlagen zu fortgeschrittenen Modellen.

A

Саймон Принс

KI und ML
RU
Angewandte lineare Algebra für Data Scientists. Von Schlüsselkonzepten bis zu Anwendungen mit Python

Angewandte lineare Algebra für Data Scientists. Von Schlüsselkonzepten bis zu Anwendungen mit Python

A

Майк Икс Коэн

Algorithmen und Theorie
RU
Datenvorbereitung in Python. Band 2: Planung, Beispiele und Qualitätsmetriken

Datenvorbereitung in Python. Band 2: Planung, Beispiele und Qualitätsmetriken

A

А. В. Груздев

KI und ML
RU
Datenvorbereitung in Python. Band 1. Werkzeuge und Validierung

Datenvorbereitung in Python. Band 1. Werkzeuge und Validierung

A

А. В. Груздев

KI und ML
RU
Streaming-Datenverarbeitungspipeline

Streaming-Datenverarbeitungspipeline

F
KI und ML
RU
Streaming-Datenverarbeitung

Streaming-Datenverarbeitung

F
KI und ML
RU
Grundlagen der künstlichen Intelligenz in Python-Beispielen. Selbstlernkurs. 2. Auflage.

Grundlagen der künstlichen Intelligenz in Python-Beispielen. Selbstlernkurs. 2. Auflage.

A

Анатолий Постолит

KI und ML
RU
Programmieren mit PyTorch: Erstellung von Deep-Learning-Anwendungen

Programmieren mit PyTorch: Erstellung von Deep-Learning-Anwendungen

A

Ян Пойнтер (Ian Pointer)

KI und ML
RU
Grundlagen der künstlichen Intelligenz anhand von Beispielen in Python. Selbstlernkurs

Grundlagen der künstlichen Intelligenz anhand von Beispielen in Python. Selbstlernkurs

A

Анатолий Постолит

KI und ML
RU
Grundlagen der künstlichen Intelligenz

Grundlagen der künstlichen Intelligenz

A

Е. В. Боровская, Н. А. Давыдова

KI und ML
RU
Grundlagen des Deep Learning. Erstellung von Algorithmen für die nächste Generation künstlicher Intelligenz.

Grundlagen des Deep Learning. Erstellung von Algorithmen für die nächste Generation künstlicher Intelligenz.

A

Нихиль Будума, Николас Локашо

KI und ML
RU
Grundlagen von Python für Data Science

Grundlagen von Python für Data Science

A

Кеннеди Берман

KI und ML
RU
Grundlagen des statistischen Lernens: Data Mining, Inferenz und Vorhersage

Grundlagen des statistischen Lernens: Data Mining, Inferenz und Vorhersage

A

Тревор Хасти, Роберт Тибширани, Джером Фридман

KI und ML
RU
Grundlagen der KI

Grundlagen der KI

F
KI und ML
RU
Grundlagen von Big Data.PDF

Grundlagen von Big Data.PDF

F
KI und ML
RU
Erklärbare KI-Modelle in Python. KI-Modell. Erklärungen mit Python-basierten Bibliotheken, Erweiterungen und Frameworks.

Erklärbare KI-Modelle in Python. KI-Modell. Erklärungen mit Python-basierten Bibliotheken, Erweiterungen und Frameworks.

A

Прадипта Мишра

KI und ML
RU
Reinforcement Learning 2014 Sutton Barto

Reinforcement Learning 2014 Sutton Barto

F
KI und ML
RU
Reinforcement Learning: Eine Einführung. Zweite Auflage

Reinforcement Learning: Eine Einführung. Zweite Auflage

A

Ричард С. Саттон, Эндрю Дж. Барто

KI und ML
RU
Verarbeitung großer Datenmengen mit Apache Spark

Verarbeitung großer Datenmengen mit Apache Spark

A

Н. А. Бутаков, М. В. Петров, Д. Насонов

KI und ML
RU
Mathematik für Data Science. Datenmanagement mit linearer Algebra, Wahrscheinlichkeitstheorie und Statistik

Mathematik für Data Science. Datenmanagement mit linearer Algebra, Wahrscheinlichkeitstheorie und Statistik

A

Томас Нилд

Algorithmen und Theorie
RU
Maschinelles Lernen: Grundlagen

Maschinelles Lernen: Grundlagen

A

Сергей Николенко

KI und ML
RU
Fuzzy-Modelle und -Netze

Fuzzy-Modelle und -Netze

A

В. В. Борисов, В. В. Круглов, А. С. Федулов

KI und ML
RU
Grundlegende Mathematik für künstliche Intelligenz: Mathematik der nächsten Stufe für effiziente und erfolgreiche KI-Systeme

Grundlegende Mathematik für künstliche Intelligenz: Mathematik der nächsten Stufe für effiziente und erfolgreiche KI-Systeme

A

Хала Нельсон

Algorithmen und Theorie
RU
Neuronale Netzwerk-Methoden in der Verarbeitung natürlicher Sprache

Neuronale Netzwerk-Methoden in der Verarbeitung natürlicher Sprache

A

Йоав Гольдберг

KI und ML
RU
Neuronale Informationsverarbeitungssysteme

Neuronale Informationsverarbeitungssysteme

A

С. В. Макартичян, Н. С. Кузнецова, С. С. Дементьев

KI und ML
RU
Neuronale Netze. Evolution

Neuronale Netze. Evolution

B

Каниа Алексеевич Кан

KI und ML
RU
Data Science: Einführungskurs

Data Science: Einführungskurs

A

Стивен С. Скиена

KI und ML
RU
Zuverlässigkeit neuronaler Netze: Stärkung der Widerstandsfähigkeit von KI gegen Täuschung

Zuverlässigkeit neuronaler Netze: Stärkung der Widerstandsfähigkeit von KI gegen Täuschung

A

Кэти Уорр

KI und ML
RU
Neuronale Netze. Verarbeitung natürlicher Sprache

Neuronale Netze. Verarbeitung natürlicher Sprache

A

Джейд Картер

KI und ML
RU
Künstliche Intelligenz

Künstliche Intelligenz

A

Роман Душкин

KI und ML
RU
Web-Analyse mit Python: Praktikum

Web-Analyse mit Python: Praktikum

A

В.В. Мокеев

KI und ML
RU
Human-in-the-Loop Machine Learning

Human-in-the-Loop Machine Learning

A

Роберт (Манро) Монарх

KI und ML
RU
Maschinelles Lernen: Grundlagen, Algorithmen und praktische Anwendung

Maschinelles Lernen: Grundlagen, Algorithmen und praktische Anwendung

A

Джереми Уатт, Реза Борхани, Аггелос К. Катсаггелос

KI und ML
RU
Maschinelles Lernen ohne Umschweife

Maschinelles Lernen ohne Umschweife

A

Андрей Бурков

KI und ML
RU
Maschinelles Lernen. Entwurfsmuster

Maschinelles Lernen. Entwurfsmuster

A

Валлиаппа Лакшманан, Сара Робинсон, Майкл Мунн

KI und ML
← 23456 →