Deep Generative Modeling /
Contiene: 1) ¿Por qué modelos generativos profundos?; 2) Modelos probabilísticos: de modelos mixtos a circuitos probabilísticos; 3) Modelos autorregresivos; 4) Modelos basados en flujo; 5) Modelos de variables latentes; 6) Modelado híbrido; 7) Modelos energéticos; 8) Redes generativas adversariale...
Guardado en:
| Hovedforfatter: | |
|---|---|
| Andre forfattere: | |
| Format: | Bog |
| Sprog: | engelsk |
| Udgivet: |
Cham, Suiza :
Springer,
2024, c2024
|
| Udgivelse: | 2a edición |
| Fag: | |
| Tags: |
Ingen Tags, Vær først til at tagge denne postø!
|
MARC
| LEADER | 00000nam^a2200000^a^4500 | ||
|---|---|---|---|
| 001 | 000590677 | ||
| 005 | 20250815000000.0 | ||
| 009 | 20260310132913.382 | ||
| 020 | |a 978-3-031-64086-5 | ||
| 037 | |a Acervo ITESO - Biblioteca | ||
| 041 | |a ING | ||
| 082 | |a 006. 31 |b TOM | ||
| 100 | |a Tomczak, Jakub M. |e (autor) | ||
| 245 | 1 | 0 | |a Deep Generative Modeling / |c J.M. Tomczak ; pról. de M. Welling. |
| 250 | |a 2a edición | ||
| 264 | 4 | |a Cham, Suiza : |b Springer, |c 2024, c2024 | |
| 300 | |a XXIII, 313 p. | ||
| 336 | |a texto |b txt |2 rdacontenido | ||
| 337 | |a sin mediación |b n |2 rdamedio | ||
| 338 | |a volumen |b nc |2 rdasoporte | ||
| 520 | |a Contiene: 1) ¿Por qué modelos generativos profundos?; 2) Modelos probabilísticos: de modelos mixtos a circuitos probabilísticos; 3) Modelos autorregresivos; 4) Modelos basados en flujo; 5) Modelos de variables latentes; 6) Modelado híbrido; 7) Modelos energéticos; 8) Redes generativas adversariales; 9) Modelos generativos basados en puntuaciones; 10) Modelado generativo profundo para la compresión neuronal; 11) Desde grandes modelos de lenguaje hasta sistemas generativos de IA. | ||
| 521 | |a 2025 BO Licenciatura en Ingeniería en Inteligencia Artificial | ||
| 585 | |a Exposición DIA 2025-01 / El universo del saber: explorando nuevas ideas | ||
| 649 | |a XX | ||
| 650 | |a Redes Neurales - |x Proceso de Datos | ||
| 650 | |a Redes Neurales - |x Tema Principal | ||
| 650 | |a Aprendizaje Automático (Inteligencia Artificial) | ||
| 650 | |a Inteligencia Artificial | ||
| 650 | |a Proceso de Datos | ||
| 650 | |a Desarrollo de Sistemas | ||
| 650 | |a Probabilidad | ||
| 650 | |a Ciencia de Datos | ||
| 650 | |a Ingeniería Computacional | ||
| 700 | |a Welling, Max |e (prólogo) | ||
| 910 | |a Fondo General | ||
| 920 | |a Impresos - Libros | ||
| 930 | |a Reserva Especial | ||
| 905 | |a 103 | ||
| 901 | |a 590719-10 |b IT1 |c REE |i C187573 |u 20250521 | ||
| 902 | |a https://opac.biblio.iteso.mx/vufind/Record/000590677 | ||