Aplicación de redes neuronales para procesamiento de contenido multimedia (100 ejemplos en Python)
A

Aplicación de redes neuronales para procesamiento de contenido multimedia (100 ejemplos en Python)

Redes neuronales
Python neural networks multimedia processing OpenMP FFmpeg image processing audio processing
Autor
S.A. Molodyakov
Editorial
Editorial de la Universidad Politécnica (POLITECPRESS)
Año
2025
Idioma
Ruso
195
Calificar este libro

Para leer el libro, iniciar sesión / registrarse

Vista previa del fragmento

Libros similares

Algoritmos para trabajar con datos multimedia en bots de Telegram (100 ejemplos en Python)

Algoritmos para trabajar con datos multimedia en bots de Telegram (100 ejemplos en Python)

S.A. Molodyakov, A.V. Militsyn

Aplicación de funciones de OpenCV en visión por computadora (60 ejemplos en Python)

Aplicación de funciones de OpenCV en visión por computadora (60 ejemplos en Python)

S.A. Molodyakov

Aprendizaje profundo aplicado. Un enfoque basado en casos para comprender las redes neuronales profundas.

Aprendizaje profundo aplicado. Un enfoque basado en casos para comprender las redes neuronales profundas.

Umberto Michelucci

Introducción a PyTorch: aprendizaje profundo en el procesamiento del lenguaje natural

Introducción a PyTorch: aprendizaje profundo en el procesamiento del lenguaje natural

Delip Rao, Brian McMahan

Procesamiento del lenguaje natural en acción. Comprensión, análisis y generación de texto con Python

Procesamiento del lenguaje natural en acción. Comprensión, análisis y generación de texto con Python

Lane Hobson, Cole Howard, Hannes Max Hapke

Procesamiento de lenguaje natural con TensorFlow

Procesamiento de lenguaje natural con TensorFlow

Tushan Ganegedara

Procesamiento del lenguaje natural en acción. 2ª edición

Procesamiento del lenguaje natural en acción. 2ª edición

Hobson Lane, Maria Dyshel

Aprendizaje profundo con fastai y PyTorch: mínimo de fórmulas, mínimo de código, máxima eficiencia

Aprendizaje profundo con fastai y PyTorch: mínimo de fórmulas, mínimo de código, máxima eficiencia

Jeremy Howard y Sylvain Gugger

Aprendizaje profundo: desarrollo fácil de proyectos en Python

Aprendizaje profundo: desarrollo fácil de proyectos en Python

Seth Weidman

Python: Fundamentos de Programación

Python: Fundamentos de Programación

Yaroslav Sukov