Bücher — neural networks

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
EN
Praktisches Maschinelles Lernen mit Scikit-Learn und PyTorch: Konzepte, Werkzeuge und Techniken zum Aufbau intelligenter Systeme

Praktisches Maschinelles Lernen mit Scikit-Learn und PyTorch: Konzepte, Werkzeuge und Techniken zum Aufbau intelligenter Systeme

A

Aurélien Géron

KI und ML
RU
Programmierung mit Python für maschinelles Lernen und Datenanalyse

Programmierung mit Python für maschinelles Lernen und Datenanalyse

A

Игорь Семенов

KI und ML
RU
Python für maschinelles Lernen: Klassisches und Deep Learning mit Python unter Verwendung von TensorFlow 2 und scikit-learn

Python für maschinelles Lernen: Klassisches und Deep Learning mit Python unter Verwendung von TensorFlow 2 und scikit-learn

A

Андреас Мюллер, Сара Гвидо

KI und ML
EN
Programmierung neuronaler Netze mit Python

Programmierung neuronaler Netze mit Python

A

Joachim Steinwendner, Roland Schwaiger

KI und ML
RU
Muster und Praxis des Deep Learning

Muster und Praxis des Deep Learning

A

Эндрю Ферлитш

KI und ML
RU
Einführung in Deep Learning

Einführung in Deep Learning

A

Евгений Черняк

KI und ML
RU
Neuronale Netze und Deep Learning: Ein Lernkurs

Neuronale Netze und Deep Learning: Ein Lernkurs

A

Чару Аггарвал

KI und ML
RU
Der kleine Lernende: wunderbares maschinelles Lernen

Der kleine Lernende: wunderbares maschinelles Lernen

A

Дэниел П. Фридман, Анураг Мендхекар

KI und ML
RU
3D Deep Learning mit Python. Entwickeln Sie Computervision-Modelle mit 3D-Daten mithilfe der Bibliothek PyTorch3D und anderer Tools.

3D Deep Learning mit Python. Entwickeln Sie Computervision-Modelle mit 3D-Daten mithilfe der Bibliothek PyTorch3D und anderer Tools.

A

Ксудонг Ма, Вишах Хегде, Лилит Йольан

KI und ML
RU
Deep Learning mit Python. Das umfassende Handbuch zur Entwicklung von KI-Anwendungen

Deep Learning mit Python. Das umfassende Handbuch zur Entwicklung von KI-Anwendungen

B

Александр Гладков, Евгений Бурнаев

KI und ML
RU
Maschinelles Lernen für absolute Anfänger. Ein einführender Kurs, einfach erklärt.

Maschinelles Lernen für absolute Anfänger. Ein einführender Kurs, einfach erklärt.

A

Оливер Теобальд

KI und ML
RU
Deep Learning mit Python. Die Bibliotheken Keras, TensorFlow und scikit-learn

Deep Learning mit Python. Die Bibliotheken Keras, TensorFlow und scikit-learn

B

Дж. В. Вандер Плас

KI und ML
RU
Programmierung mit Python für maschinelles Lernen: von den Grundlagen bis zur Erstellung intelligenter Anwendungen

Programmierung mit Python für maschinelles Lernen: von den Grundlagen bis zur Erstellung intelligenter Anwendungen

B

Игорь Семененко

KI und ML
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
Wir erstellen ein neuronales Netzwerk

Wir erstellen ein neuronales Netzwerk

A

Тарик Рашид

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
Geschichten über Mathematik mit Beispielen in Python und C

Geschichten über Mathematik mit Beispielen in Python und C

B

Елисеев Дмитрий

Algorithmen und Theorie
RU
Mustererkennung und maschinelles Lernen

Mustererkennung und maschinelles Lernen

A

Кристофер М. Бишоп

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
Angewandtes Deep Learning. Ein fallstudienbasierter Ansatz zum Verständnis tiefer neuronaler Netze.

Angewandtes Deep Learning. Ein fallstudienbasierter Ansatz zum Verständnis tiefer neuronaler Netze.

A

Умберто Микелуччи

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 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 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
Verarbeitung natürlicher Sprache mit TensorFlow

Verarbeitung natürlicher Sprache mit TensorFlow

A

Тушан Ганегедара

KI und ML
RU
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

Лейн Хобсон, Коул Ховард, Ханнес Макс Хапке

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
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
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 und TensorFlow

Maschinelles Lernen und TensorFlow

A

Нишант Шакла, Кеннет Фриклс

KI und ML
← 1234 →