Arquitecturas De Aprendizaje Springer - Deep Learning (Usado)

Usado

Arquitecturas De Aprendizaje Springer - Deep Learning (Usado)

en 24 meses de

Lo que tienes que saber de este producto

Año de publicación: 2020
Con índice: Sí
Tapa del libro: Dura
Colección: .
Género: ciencias de datos,Data science.
Subgénero: .
Técnica.
El set incluye libros.
Número de páginas: 770.
Edad recomendada: de a .
Incluye .
Dimensiones: 16.2cm de ancho x 23.9cm de alto.
Peso: .
ISBN: 9783030367206.

Ver características

Ir a la compra

Características del producto

Título del libro	Deep Learning Architectures : A Mathematical Approach
Serie	Springer Series in the Data Sciences
Autor	Ovidiu Calin
Idioma	Inglés
Editorial del libro	Springer
Edición del libro	1ra
Tapa del libro	Dura
Con índice	Sí
Año de publicación	2020

Cantidad de páginas	770
Altura	23.9 cm
Ancho	16.2 cm
Material de la tapa del libro	Dura
Género del libro	ciencias de datos,Data science
Tipo de narración	Técnica
ISBN	9783030367206

Descripción

Producto usado

Puede tener marcas estéticas, daños funcionales y no incluir su empaque o sus accesorios originales. Lee atentamente la descripción o pregúntale al vendedor para conocer más.

Arquitecturas de aprendizaje profundo: Un enfoque matemático.

Este libro describe cómo operan las redes neuronales desde el punto de vista matemático. Como resultado, las redes neuronales pueden interpretarse como aproximadores universales de funciones y como procesadores de información. El libro cierra la brecha entre las ideas y conceptos de redes neuronales, que se utilizan hoy en día a un nivel intuitivo, y el lenguaje matemático moderno y preciso, presentando las mejores prácticas de las primeras y disfrutando de la solidez y elegancia del segundo. Este libro se puede utilizar en un curso de posgrado en aprendizaje profundo, y las primeras partes son accesibles para estudiantes universitarios de último año.

Sin garantía