Application des réseaux neuronaux pour le traitement de contenu multimédia (100 exemples en Python)
A

Application des réseaux neuronaux pour le traitement de contenu multimédia (100 exemples en Python)

Réseaux neuronaux
Python neural networks multimedia processing OpenMP FFmpeg image processing audio processing
Auteur
S.A. Molodiakov
Éditeur
Maison d'édition de l'Université polytechnique (POLYTECHPERSS)
Année
2025
Langue
Russe
191
Évaluer ce livre

Pour lire le livre, se connecter / s'inscrire

Aperçu du fragment

Livres similaires

Algorithmes de traitement des données multimédias dans un bot Telegram (100 exemples en Python)

Algorithmes de traitement des données multimédias dans un bot Telegram (100 exemples en Python)

S.A. Molodiakov, A.V. Militsyne

Application des fonctions OpenCV en vision par ordinateur (60 exemples en Python)

Application des fonctions OpenCV en vision par ordinateur (60 exemples en Python)

S.A. Molodiakov

Deep Learning Appliqué. Une approche basée sur l'étude de cas pour comprendre les réseaux de neurones profonds.

Deep Learning Appliqué. Une approche basée sur l'étude de cas pour comprendre les réseaux de neurones profonds.

Umberto Michelucci

Introduction à PyTorch : apprentissage profond pour le traitement du langage naturel

Introduction à PyTorch : apprentissage profond pour le traitement du langage naturel

Delip Rao, Brian McMahan

Traitement du langage naturel en action. Compréhension, analyse et génération de texte avec Python

Traitement du langage naturel en action. Compréhension, analyse et génération de texte avec Python

Lane Hobson, Cole Howard, Hannes Max Hapke

Traitement du langage naturel avec TensorFlow

Traitement du langage naturel avec TensorFlow

Tushan Ganegedara

Traitement du langage naturel en action. 2e édition

Traitement du langage naturel en action. 2e édition

Hobson Lane, Maria Dyshel

Apprentissage profond avec fastai et PyTorch : un minimum de formules, un minimum de code, un maximum d'efficacité

Apprentissage profond avec fastai et PyTorch : un minimum de formules, un minimum de code, un maximum d'efficacité

Jeremy Howard et Sylvain Gugger

Deep Learning : développement facile de projets en Python

Deep Learning : développement facile de projets en Python

Seth Weidman

Python : Fondements de la programmation

Python : Fondements de la programmation

Yaroslav Soukov