Bücher — neural networks

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

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

D
Webentwicklung
EN
Informatik von Grund auf: Bau von Interpretern, Emulatoren und ML in Python

Informatik von Grund auf: Bau von Interpretern, Emulatoren und ML in Python

A

David Kopec

KI und ML
EN
Deep Learning: Grundlagen und Konzepte

Deep Learning: Grundlagen und Konzepte

A

Christopher M. Bishop, Hugh Bishop

KI und ML
RU
Programmierung künstlicher Intelligenz in Anwendungen

Programmierung künstlicher Intelligenz in Anwendungen

A

М. Тим Джонс

KI und ML
EN
Generative KI in der Hochschulbildung: Der ChatGPT-Effekt

Generative KI in der Hochschulbildung: Der ChatGPT-Effekt

A

Cecilia Ka Yuk Chan, Tom Colloton

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
Hybride Bildgebung und Visualisierung: Einsatz von maschinellem Lernen mit Mathematica - Python

Hybride Bildgebung und Visualisierung: Einsatz von maschinellem Lernen mit Mathematica - Python

B

Joseph Awange, Béla Paláncz, Lajos Völgyesi

KI und ML
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
Python für wissenschaftliches Rechnen und künstliche Intelligenz

Python für wissenschaftliches Rechnen und künstliche Intelligenz

A

Stephen Lynch

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
Silaparasetty N. - Maschinelles Lernen Konzepte mit Python und der Jupyter Notebook-Umgebung - 2020

Silaparasetty N. - Maschinelles Lernen Konzepte mit Python und der Jupyter Notebook-Umgebung - 2020

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

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

A
KI und ML
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
Generative KI in der Praxis: Transformer und Diffusionsmodelle

Generative KI in der Praxis: Transformer und Diffusionsmodelle

A

Омар Сансевьеро, Педро Куэнка, Аполинарио Пассос, Джонатан Уитакер

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
Evolutionäre neuronale Netze in Python

Evolutionäre neuronale Netze in Python

A

Ярослав Омельяненко

KI und ML
RU
Anwendung neuronaler Netze zur Verarbeitung von Multimedia-Inhalten (100 Beispiele in Python)

Anwendung neuronaler Netze zur Verarbeitung von Multimedia-Inhalten (100 Beispiele in Python)

A

С.А. Молодяков

KI und ML
RU
120 praktische Aufgaben

120 praktische Aufgaben

A

Джейд Картер

Programmiersprachen
RU
Neuronale Netze. Audioverarbeitung

Neuronale Netze. Audioverarbeitung

A

Джейд Картер

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
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
LLMs mit PyTorch entwickeln: Eine Schritt-für-Schritt-Anleitung zum Erstellen fortschrittlicher KI-Modelle mit PyTorch

LLMs mit PyTorch entwickeln: Eine Schritt-für-Schritt-Anleitung zum Erstellen fortschrittlicher KI-Modelle mit PyTorch

A

Anand Trivedi

KI und ML
EN
TensorFlow 2.0 lernen: Implementierung von Machine-Learning- und Deep-Learning-Modellen mit Python

TensorFlow 2.0 lernen: Implementierung von Machine-Learning- und Deep-Learning-Modellen mit Python

A

Pramod Singh, Avinash Manure

KI und ML
EN
Modern Computer Vision mit PyTorch. Zweite Auflage: Ein praktischer Leitfaden von den Grundlagen des Deep Learning bis zu fortgeschrittenen Anwendungen und Generative AI

Modern Computer Vision mit PyTorch. Zweite Auflage: Ein praktischer Leitfaden von den Grundlagen des Deep Learning bis zu fortgeschrittenen Anwendungen und Generative AI

A

V Kishore Ayyadevara, Yeshwanth Reddy

KI und ML
EN
TensorFlow für Deep Learning: Von linearer Regression zu Reinforcement Learning

TensorFlow für Deep Learning: Von linearer Regression zu Reinforcement Learning

A

Bharath Ramsundar, Reza Bosagh Zadeh

KI und ML
EN
Erstelle einen Text-zu-Bild-Generator (von Grund auf) mit Transformern und Diffusionen

Erstelle einen Text-zu-Bild-Generator (von Grund auf) mit Transformern und Diffusionen

A

Mark Liu

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

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

A

Kirill Kolodiazhnyi

KI und ML
EN
Grokking KI-Algorithmen, Zweite Auflage: Wie KI komplexe Probleme löst

Grokking KI-Algorithmen, Zweite Auflage: Wie KI komplexe Probleme löst

A

Rishal Hurbans

KI und ML
EN
Deep Learning mit PyTorch, Zweite Auflage: Training und Anwendung von Deep Learning und Generative AI-Modellen

Deep Learning mit PyTorch, Zweite Auflage: Training und Anwendung von Deep Learning und Generative AI-Modellen

A

Howard Huang, Eli Stevens, Luca Antiga, Thomas Viehmann

KI und ML
EN
Deep Learning mit Keras: Implementierung neuronaler Netze mit Keras auf Theano und TensorFlow

Deep Learning mit Keras: Implementierung neuronaler Netze mit Keras auf Theano und TensorFlow

A

Antonio Gulli, Sujit Pal

KI und ML
EN
PyTorch: Der praktische Leitfaden

PyTorch: Der praktische Leitfaden

A

Bert Gollnick

KI und ML
EN
Deep Learning: Ein visueller Ansatz

Deep Learning: Ein visueller Ansatz

A

Andrew Glassner

KI und ML
EN
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

A

Aurélien Géron

KI und ML
EN
Mathematik und Architekturen von Deep Learning

Mathematik und Architekturen von Deep Learning

A

Krishnendu Chaudhury, Ananya H. Ashok, Sujay Narumanchi, Devashish Shankar

KI und ML
RU
Autobiographie eines neuronalen Netzwerks. Künstliche Intelligenz, die gelernt hat zu kommunizieren.

Autobiographie eines neuronalen Netzwerks. Künstliche Intelligenz, die gelernt hat zu kommunizieren.

C

М.Р. Брослав, О.А. Яблокова

Algorithmen und Theorie
RU
Deep Learning mit Python. Keras, TensorFlow, PyTorch

Deep Learning mit Python. Keras, TensorFlow, PyTorch

B

Антонио Гулли, Амит Капур

KI und ML
123 →