Théorie des probabilités et statistiques mathématiques. Guide de résolution de problèmes
A

Théorie des probabilités et statistiques mathématiques. Guide de résolution de problèmes

Mathématiques
probability theory mathematical statistics problem solving Mathcad laboratory work random processes combinatorics
Auteur
В. В. Григорьев-Голубев, Н. В. Васильева, Е. А. Кротов
Éditeur
БХВ-Петербург
Année
2021
Langue
Russe
28
Évaluer ce livre

Pour lire le livre, se connecter / s'inscrire

Aperçu du fragment

Livres similaires

Apprentissage automatique probabiliste. Sujets avancés : fondements, inférence

Apprentissage automatique probabiliste. Sujets avancés : fondements, inférence

Кэвин П. Мэрфи

Mathématiques pour la Data Science. Gérer les données avec l'algèbre linéaire, la théorie des probabilités et les statistiques.

Mathématiques pour la Data Science. Gérer les données avec l'algèbre linéaire, la théorie des probabilités et les statistiques.

Томас Нилд

Régression : théorie et pratique. Avec des exemples en R et Stan

Régression : théorie et pratique. Avec des exemples en R et Stan

Эндрю Гельман, Дженнифер Хилл, Аки Вехтари

Algorithmes de prise de décision

Algorithmes de prise de décision

Микель Кохендерфер, Тим Уилер, Кайл Рэй

Modèles bayésiens de perception et d'action. Une perspective moderne sur les principes de fonctionnement du cerveau

Modèles bayésiens de perception et d'action. Une perspective moderne sur les principes de fonctionnement du cerveau

Вэй Цзи Ма, Конрад Кёрдинг, Дэниел Голдрайх

Modèles bayésiens. Statistiques bayésiennes avec le langage de programmation Python

Modèles bayésiens. Statistiques bayésiennes avec le langage de programmation Python

Аллен Б. Дауни

Deep Learning sans Mathématiques. Volume 1. Fondamentaux

Deep Learning sans Mathématiques. Volume 1. Fondamentaux

Эндрю Гласснер

Réseaux neuronaux avec Python. Fondements de l'IA et de l'apprentissage automatique

Réseaux neuronaux avec Python. Fondements de l'IA et de l'apprentissage automatique

Куликова И. В.

Apprentissage profond : principes et concepts

Apprentissage profond : principes et concepts

Кристофер М. Бишоп, Хью Бишоп

Machine Learning sans fioritures

Machine Learning sans fioritures

Андрей Бурков