Εξώφυλλο
Κώδικας QR

Fundamentals of Deep Learning : Designing Next-Generation Machine Intelligence Algorithms /

Εμφάνιση άλλων εκδόσεων (2)

Contiene: 1) Fundamentos de álgebra lineal para aprendizaje profundo; 2) Fundamentos de probabilidad; 3) La red neuronal; 4) Entrenamiento de redes neuronales de retroalimentación; 5) Implementación de redes neuronales en PyTorch; 6) Más allá del descenso de gradiente; 7) Redes neuronales convolucio...

Πλήρης περιγραφή

Αποθηκεύτηκε σε:
Κύριος συγγραφέας: Buduma, Nithin (autor)
Άλλοι συγγραφείς: Buduma, Nikhil (autor) (autor), Papa, Joe (colaboración) (colaboración)
Μορφή: Βιβλίο
Γλώσσα:Αγγλικά
Έκδοση: Sebastopol, EUA : O'Reilly, 2022, c2022
Έκδοση:2a edición
Θέματα:
Algoritmos Computacionales - > Tema Principal
Redes Neurales - > Diseño y Construcción
Redes Neurales - > Proceso de Datos
Redes Neurales - > Tema Principal
Aprendizaje Automático (Inteligencia Artificial) - > Tema Principal
Inteligencia Artificial
Programación (Software)
Desarrollo de Sistemas
Ingeniería Computacional
Algebra Lineal
Probabilidad
Διαθέσιμο Online:Ver documento en línea
Ετικέτες: Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!

MARC

LEADER 00000nam^a2200000^a^4500
001 000588342
005 20251023000000.0
009 20260310132828.384
020 |a 9781492082156 
037 |a Acervo ITESO - Biblioteca 
041 |a ING 
082 |a 006. 31  |b BUD 
100 |a Buduma, Nithin  |e (autor) 
245 1 0 |a Fundamentals of Deep Learning :  |b Designing Next-Generation Machine Intelligence Algorithms /  |c N. Buduma, N. Buduma ; colaboración de J. Papa. 
250 |a 2a edición 
264 4 |a Sebastopol, EUA :  |b O'Reilly,  |c 2022, c2022 
264 2 |a Birmingham, EUA :  |b EBSCOhost [distribución],  |c 2024 
300 |a 1 libro electrónico en línea (XIV, 374 p.) 
300 |a 1 recurso en línea 
336 |a datos para computadora  |b cod  |2 rdacontenido 
337 |a computadora  |b c  |2 rdamedio 
338 |a recurso en línea  |b cr  |2 rdasoporte 
506 1 |a 1 licencia 
520 |a Contiene: 1) Fundamentos de álgebra lineal para aprendizaje profundo; 2) Fundamentos de probabilidad; 3) La red neuronal; 4) Entrenamiento de redes neuronales de retroalimentación; 5) Implementación de redes neuronales en PyTorch; 6) Más allá del descenso de gradiente; 7) Redes neuronales convolucionales; 8) Aprendizaje de incrustación y representación; 9) Modelos para análisis de secuencias; 10) Modelos generativos; 11) Métodos de interpretabilidad; 12) Redes neuronales aumentadas con memoria; 13) Aprendizaje de refuerzo profundo. 
521 |a 2025 BO Licenciatura en Ingeniería en Inteligencia Artificial 
649 |a XX 
650 |a Algoritmos Computacionales -  |x Tema Principal 
650 |a Redes Neurales -  |x Diseño y Construcción 
650 |a Redes Neurales -  |x Proceso de Datos 
650 |a Redes Neurales -  |x Tema Principal 
650 |a Aprendizaje Automático (Inteligencia Artificial) -  |x Tema Principal 
650 |a Inteligencia Artificial 
650 |a Programación (Software) 
650 |a Desarrollo de Sistemas 
650 |a Ingeniería Computacional 
650 |a Algebra Lineal 
650 |a Probabilidad 
700 |a Buduma, Nikhil  |e (autor) 
700 |a Papa, Joe  |e (colaboración) 
856 4 0 |u https://ezproxy.iteso.mx/login?url=https://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&db=nlabk&AN=3287427  |y Ver documento en línea 
910 |a Fondo General 
920 |a Electrónicos - Libros en Línea 
930 |a Plataforma Digital 
905 |a 205 
901 |a 588342-1  |b IT2  |c EBO  |u 20250521 
902 |a https://opac.biblio.iteso.mx/vufind/Record/000588342 

Παρόμοια τεκμήρια