Bücher — neural networks

EN
Künstliche-Intelligenz-Algorithmen verstehen

Künstliche-Intelligenz-Algorithmen verstehen

A

Rishal Hurbans

Algorithmen und Theorie
EN
Deep Learning veranschaulicht: Ein visueller, interaktiver Leitfaden für künstliche Intelligenz

Deep Learning veranschaulicht: Ein visueller, interaktiver Leitfaden für künstliche Intelligenz

A

Jon Krohn, Grant Beyleveld, Aglaé Bassens

KI und ML
EN
Mustererkennung und Techniken des Computational Intelligence mit Matlab

Mustererkennung und Techniken des Computational Intelligence mit Matlab

A

E. S. Gopi

Algorithmen und Theorie
RU
Deep Learning mit JAX

Deep Learning mit JAX

A

Григорий Сапунов

KI und ML
RU
Architekturen des tiefen Lernens. Mathematischer Ansatz

Architekturen des tiefen Lernens. Mathematischer Ansatz

A

Овидиу Калин

KI und ML
EN
Techniken der künstlichen Intelligenz und des maschinellen Lernens in der Bildverarbeitung und Computer Vision

Techniken der künstlichen Intelligenz und des maschinellen Lernens in der Bildverarbeitung und Computer Vision

A

Karm Veer Arya, Ciro Rodriguez Rodriguez, Saurabh Singh, Abhishek Singhal

KI und ML
EN
Die Natur des Codes: Simulation natürlicher Systeme mit JavaScript

Die Natur des Codes: Simulation natürlicher Systeme mit JavaScript

A

Daniel Shiffman

Programmiersprachen
EN
KI-Algorithmen: Ein umfassender Leitfaden zu Modellen und Techniken des maschinellen Lernens

KI-Algorithmen: Ein umfassender Leitfaden zu Modellen und Techniken des maschinellen Lernens

B

Murat Durmus

KI und ML
EN
Clojure für maschinelles Lernen

Clojure für maschinelles Lernen

A

Akhil Wali

Programmiersprachen
EN
Handbuch der Neuroevolution durch Erlang

Handbuch der Neuroevolution durch Erlang

B

Gene I. Sher

Programmiersprachen
EN
Mathematik für Deep Learning: Was Sie wissen müssen, um neuronale Netze zu verstehen

Mathematik für Deep Learning: Was Sie wissen müssen, um neuronale Netze zu verstehen

A

Ronald T. Kneusel

KI und ML
RU
Kavishankar Panchtilak - Programmierung maschinellen Lernens - 2023

Kavishankar Panchtilak - Programmierung maschinellen Lernens - 2023

F
Webentwicklung
EN
Handbuch der Gesichtserkennung

Handbuch der Gesichtserkennung

A

Stan Z. Li, Anil K. Jain, Jiankang Deng

KI und ML
EN
Konversationelle Künstliche Intelligenz

Konversationelle Künstliche Intelligenz

A

Romil Rawat, Rajesh Kumar Chakrawarti, Sanjaya Kumar Sarangi, Piyush Vyas, Mary Sowjanya Alamanda, Kotagiri Srividya, Krishnan Sakthidasan Sankaran

Sonstiges
EN
Praktisches Deep Learning: Eine Python-basierte Einführung

Praktisches Deep Learning: Eine Python-basierte Einführung

A

Ronald T. Kneusel

KI und ML
EN
Machine Learning Interview Guide: Berufsorientierte Fragen und Antworten für Datenwissenschaftler und Ingenieure

Machine Learning Interview Guide: Berufsorientierte Fragen und Antworten für Datenwissenschaftler und Ingenieure

A

Rehan Guha

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
RU
Technologie künstlicher neuronaler Netze

Technologie künstlicher neuronaler Netze

B

Не указан

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
RU
Deep Learning und Datenanalyse. Ein praktischer Leitfaden

Deep Learning und Datenanalyse. Ein praktischer Leitfaden

A

Дмитрий Малов

KI und ML
EN
Generative AI: Navigation zum Kurs der künstlichen allgemeinen Intelligenz Zukunft

Generative AI: Navigation zum Kurs der künstlichen allgemeinen Intelligenz Zukunft

A

Martin Musiol

KI und ML
EN
Haskell Data Analysis Cookbook

Haskell Data Analysis Cookbook

A

Nishant Shukla

Programmiersprachen
EN
Grokking Deep Learning

Grokking Deep Learning

A

Andrew W. Trask

KI und ML
EN
Data Science von Grund auf: Erste Prinzipien mit Python, zweite Ausgabe

Data Science von Grund auf: Erste Prinzipien mit Python, zweite Ausgabe

A

Joel Grus

KI und ML
EN
Data Science von Grund auf

Data Science von Grund auf

A

Joel Grus

KI und ML
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

Nikita Silaparasetty

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
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
123 →