Filters
-
Thema
- Informatica en informatietechnologie
- Aardwetenschappen, aardrijkskunde, milieu en planning
- Technologie, techniek, landbouw, industriële processen
- Wiskunde en wetenschap
- Economie, Financiën, Bedrijf en Management
- Geneeskunde en verpleging
- Gezondheid, relaties en persoonlijke ontwikkeling
- Levensstijl, hobby‘s en vrije tijd
-
Productvorm
-
Taal
-
Prijs
Resultaten voor 'sundaresan'
-
Manual completo sobre aprendizaje profundo: CNN, RNN y modelos generativos
Este libro ofrece una introducción completa y estructurada a los fundamentos, arquitecturas y aplicaciones del aprendizaje profundo. Partiendo de conceptos matemáticos básicos como el álgebra lineal, la probabilidad y la optimización, construye una base sólida para comprender las redes neuronales modernas. A continuación, se guía al lector a través de las principales arquitecturas de aprendizaje profundo, incluidas las redes neuronales convolucionales (CNN) para el análisis de imágenes, las redes neuronales recurrentes (RNN) y las LSTM para el modelado de secuencias, y los modelos generativos avanzados, como los autoencodificadores, los autoencodificadores variacionales (VAE) y las redes generativas adversariales (GAN). Cada capítulo presenta explicaciones claras, diagramas y ejemplos prácticos para simplificar conceptos complejos . Diseñado para estudiantes, educadores y profesionales de la IA, el libro proporciona tanto profundidad teórica como conocimientos prácticos. Sirve como referencia completa para cualquiera que busque entender, construir y aplicar modelos de aprendizaje profundo de forma efectiva a problemas del mundo real en visión por computador, procesamiento del lenguaje natural e IA generativa.
€ 75,90 -
Guide complet du deep learning : réseaux convolutifs (CNN), réseaux récurrents (RNN) et modèles génératifs
Ce livre propose une introduction complète et structurée aux fondements, aux architectures et aux applications de l'apprentissage profond. En commençant par des concepts mathématiques de base tels que l'algèbre linéaire, les probabilités et l'optimisation, il construit une base solide pour comprendre les réseaux neuronaux modernes. Les lecteurs sont ensuite guidés à travers les principales architectures d'apprentissage profond, y compris les réseaux neuronaux convolutifs (CNN) pour l'analyse d'images, les réseaux neuronaux récurrents (RNN) et les LSTM pour la modélisation de séquences, et les modèles génératifs avancés tels que les autoencodeurs, les autoencodeurs variationnels (VAE) et les réseaux adversoriels génératifs (GAN). Chaque chapitre présente des explications claires, des diagrammes et des exemples pratiques pour simplifier les concepts complexes. Conçu pour les étudiants, les enseignants et les praticiens de l'IA, le livre fournit à la fois une profondeur théorique et des aperçus pratiques. Il constitue une référence complète pour tous ceux qui cherchent à comprendre, construire et appliquer efficacement des modèles d'apprentissage profond à des problèmes réels de vision par ordinateur, de traitement du langage naturel et d'IA générative.
€ 75,90 -
Kompletny podr¿cznik uczenia g¿¿bokiego: sieci CNN, sieci RNN i modele generatywne
Ksi¿¿ka ta oferuje kompleksowe i uporz¿dkowane wprowadzenie do podstaw, architektur i zastosowä g¿¿bokiego uczenia. Zaczynaj¿c od podstawowych poj¿¿ matematycznych, takich jak algebra liniowa, prawdopodobie¿stwo i optymalizacja, buduje solidn¿ podstaw¿ do zrozumienia nowoczesnych sieci neuronowych. Tekst analizuje kluczowe poj¿cia, takie jak pojemno¿¿ modelu, kompromis mi¿dzy odchyleniem a wariancj¿, nadmierne dopasowanie i dostrajanie hiperparametrów. Czytelnicy s¿ nast¿pnie prowadzeni przez g¿ówne architektury g¿¿bokiego uczenia, w tym konwolucyjne sieci neuronowe (CNN) do analizy obrazu, rekurencyjne sieci neuronowe (RNN) i LSTM do modelowania sekwencji oraz zaawansowane modele generatywne, takie jak autoenkodery, wariacyjne autoenkodery (VAE) i generatywne sieci adwersarskie (GAN). Kädy rozdziä zawiera jasne wyjänienia, diagramy i praktyczne przyk¿ady, które upraszczaj¿ z¿o¿one koncepcje . Zaprojektowana z my¿l¿ o studentach, nauczycielach i praktykach sztucznej inteligencji, ksi¿¿ka zapewnia zarówno g¿¿bi¿ teoretyczn¿, jak i praktyczne spostrze¿enia. S¿u¿y jako kompletne ¿ród¿o informacji dla kädego, kto chce zrozumie¿, zbudowä i skutecznie zastosowä modele g¿¿bokiego uczenia si¿ w rzeczywistych problemach zwi¿zanych z widzeniem komputerowym, przetwarzaniem j¿zyka naturalnego i generatywn¿ sztuczn¿ inteligencj¿.
€ 75,90 -
Manuale completo sul deep learning: CNN, RNN e modelli generativi
Questo libro offre un'introduzione completa e strutturata alle basi, alle architetture e alle applicazioni del deep learning. Partendo da concetti matematici fondamentali come l'algebra lineare, la probabilità e l'ottimizzazione, costruisce una solida base per la comprensione delle moderne reti neurali. Il testo esplora idee chiave come la capacità del modello, il bias-variance trade-off, l'overfitting e la regolazione dell'iperparametro. Il lettore viene quindi guidato attraverso le principali architetture di deep learning, tra cui le reti neurali convoluzionali (CNN) per l'analisi delle immagini, le reti neurali ricorrenti (RNN) e le LSTM per la modellazione delle sequenze e i modelli generativi avanzati come gli autoencoder, gli autoencoder variazionali (VAE) e le reti generative adverse (GAN). Ogni capitolo presenta spiegazioni chiare, diagrammi ed esempi pratici per semplificare concetti complessi. Pensato per studenti, educatori e professionisti dell'IA, il libro fornisce sia approfondimenti teorici sia intuizioni pratiche. È un riferimento completo per chiunque voglia capire, costruire e applicare efficacemente modelli di deep learning a problemi reali di computer vision, elaborazione del linguaggio naturale e IA generativa.
€ 75,90 -
Manual completo de aprendizagem profunda: CNNs, RNNs e modelos generativos
Este livro oferece uma introdução abrangente e estruturada aos fundamentos, arquitecturas e aplicações da aprendizagem profunda. Começando com conceitos matemáticos fundamentais, como álgebra linear, probabilidade e otimização, constrói uma base sólida para a compreensão das redes neuronais modernas. O texto explora ideias-chave como a capacidade do modelo, a compensação de viés-variância, o sobreajuste e o ajuste de hiperparâmetros. Os leitores são então guiados pelas principais arquiteturas de aprendizagem profunda, incluindo Redes Neurais Convolucionais (CNNs) para análise de imagens, Redes Neurais Recorrentes (RNNs) e LSTMs para modelagem de sequências e modelos generativos avançados como Autoencoders, Variational Autoencoders (VAEs) e Generative Adversarial Networks (GANs). Cada capítulo apresenta explicações claras, diagramas e exemplos práticos para simplificar conceitos complexos. Concebido para estudantes, educadores e profissionais de IA, o livro fornece tanto profundidade teórica como conhecimentos práticos. Serve como uma referência completa para quem procura compreender, construir e aplicar modelos de aprendizagem profunda de forma eficaz em problemas do mundo real em visão computacional, processamento de linguagem natural e IA generativa.
€ 75,90 -
Das umfassende Handbuch zum Deep Learning: CNNs, RNNs und generative Modelle
Dieses Buch bietet eine umfassende und strukturierte Einführung in die Grundlagen, Architekturen und Anwendungen des Deep Learning. Es beginnt mit zentralen mathematischen Konzepten wie linearer Algebra, Wahrscheinlichkeit und Optimierung und schafft so eine solide Grundlage für das Verständnis moderner neuronaler Netze. Der Text untersucht Schlüsselbegriffe wie Modellkapazität, Bias-Varianz-Abgleich, Überanpassung und Hyperparameter-Abstimmung. Der Leser wird dann durch die wichtigsten Deep-Learning-Architekturen geführt, darunter Convolutional Neural Networks (CNNs) für die Bildanalyse, Recurrent Neural Networks (RNNs) und LSTMs für die Sequenzmodellierung und fortgeschrittene generative Modelle wie Autoencoder, Variational Autoencoder (VAEs) und Generative Adversarial Networks (GANs). Jedes Kapitel enthält klare Erklärungen, Diagramme und praktische Beispiele, um komplexe Konzepte zu vereinfachen. Das Buch richtet sich an Studenten, Lehrkräfte und KI-Praktiker und bietet sowohl theoretische Tiefe als auch praktische Einblicke. Es dient als umfassendes Nachschlagewerk für alle, die Deep-Learning-Modelle verstehen, erstellen und effektiv auf reale Probleme in den Bereichen Computer Vision, natürliche Sprachverarbeitung und generative KI anwenden wollen.
€ 75,90 -
COMPLETE HANDBOOK OF DEEP LEARNING: CNNs, RNNs & GENERATIVE MODELS
This book offers a comprehensive and structured introduction to the foundations, architectures, and applications of deep learning. Beginning with core mathematical concepts such as linear algebra, probability, and optimization, it builds a strong base for understanding modern neural networks. The text explores key ideas like model capacity, bias-variance trade-off, overfitting, and hyperparameter tuning. Readers are then guided through major deep learning architectures, including Convolutional Neural Networks (CNNs) for image analysis, Recurrent Neural Networks (RNNs) and LSTMs for sequence modeling, and advanced generative models like Autoencoders, Variational Autoencoders (VAEs), and Generative Adversarial Networks (GANs). Each chapter presents clear explanations, diagrams, and practical examples to simplify complex concepts. Designed for students, educators, and AI practitioners, the book provides both theoretical depth and practical insights. It serves as a complete reference for anyone seeking to understand, build, and apply deep learning models effectively across real-world problems in computer vision, natural language processing, and generative AI.
€ 79,90 -
A revolução das redes neurais
Este livro fornece uma exploração abrangente da aprendizagem profunda, começando com os conceitos básicos de redes neurais, incluindo o algoritmo perceptron e técnicas-chave como feed-forward e backpropagation, otimização e regularização. O livro aprofunda os fundamentos da aprendizagem profunda, abrangendo conceitos importantes como a descida do gradiente, a retropropagação e soluções para desafios como o problema do gradiente de fuga. O livro introduz depois as redes neuronais convolucionais (CNN), explicando as suas arquitecturas, camadas de convolução e de pooling e aplicações como a aprendizagem por transferência para a classificação de imagens. Além disso, aborda arquitecturas avançadas de aprendizagem profunda, como LSTMs, GRUs e autoencoders, incluindo vários tipos, como redes generativas esparsas, de remoção de ruído e adversárias. Por último, o livro aborda uma vasta gama de aplicações em aprendizagem profunda, desde o processamento e segmentação de imagens até à deteção de objectos, geração de vídeo para texto e sistemas de diálogo que utilizam LSTMs, fornecendo conhecimentos teóricos e práticos para a implementação de modelos de aprendizagem profunda.
€ 87,00 -
La révolution des réseaux neuronaux : Transformer les données en connaissances
Ce livre propose une exploration complète de l'apprentissage profond, en commençant par les bases des réseaux neuronaux, y compris l'algorithme du perceptron et les techniques clés telles que la rétro-propagation, l'optimisation et la régularisation. Il se penche sur les fondements de l'apprentissage profond, couvrant des concepts importants tels que la descente de gradient, la rétropropagation et les solutions à des défis tels que le problème du gradient qui s'évanouit. Le livre présente ensuite les réseaux neuronaux convolutifs (CNN), expliquant leurs architectures, les couches de convolution et de mise en commun, et les applications telles que l'apprentissage par transfert pour la classification d'images. En outre, il couvre les architectures d'apprentissage profond avancées telles que les LSTM, les GRU et les autoencodeurs, y compris divers types tels que les réseaux génératifs épars, de débruitage et adversaires. Enfin, le livre aborde un large éventail d'applications de l'apprentissage profond, du traitement et de la segmentation d'images à la détection d'objets, à la génération de texte vidéo et aux systèmes de dialogue utilisant des LSTM, en fournissant à la fois une compréhension théorique et des idées pratiques pour la mise en œuvre de modèles d'apprentissage profond.
€ 79,90 -
La rivoluzione delle reti neurali: Trasformare i dati in conoscenza
Questo libro offre un'esplorazione completa del deep learning, partendo dalle basi delle reti neurali, tra cui l'algoritmo del perceptron e le tecniche chiave come la feed-forward e la backpropagation, l'ottimizzazione e la regolarizzazione. Il libro approfondisce i fondamenti dell'apprendimento profondo, trattando concetti importanti come la discesa del gradiente, la retropropagazione e le soluzioni per sfide come il problema del gradiente che svanisce. Il libro introduce poi le reti neurali convoluzionali (CNN), spiegandone le architetture, gli strati di convoluzione e pooling e le applicazioni come l'apprendimento per trasferimento per la classificazione delle immagini. Inoltre, vengono trattate le architetture avanzate di deep learning, come le LSTM, le GRU e gli autoencoder, compresi vari tipi come le reti generative sparse, denoising e adversariali. Infine, il libro discute un'ampia gamma di applicazioni del deep learning, dall'elaborazione e segmentazione delle immagini al rilevamento di oggetti, alla generazione di video-testi e ai sistemi di dialogo che utilizzano le LSTM, fornendo sia una comprensione teorica che spunti pratici per l'implementazione di modelli di deep learning.
€ 79,90 -
La revolución de las redes neuronales: Transformar datos en conocimiento
Este libro ofrece una exploración exhaustiva del aprendizaje profundo, empezando por los fundamentos de las redes neuronales, incluido el algoritmo del perceptrón y técnicas clave como la retropropagación y la alimentación hacia adelante, la optimización y la regularización. Profundiza en los fundamentos del aprendizaje profundo, abarcando conceptos importantes como el descenso de gradiente, la retropropagación y soluciones para retos como el problema del gradiente evanescente. A continuación, el libro presenta las redes neuronales convolucionales (CNN), explicando sus arquitecturas, las capas de convolución y agrupación, y aplicaciones como el aprendizaje por transferencia para la clasificación de imágenes. Además, cubre arquitecturas avanzadas de aprendizaje profundo como LSTMs, GRUs y autoencoders, incluyendo varios tipos como sparse, denoising y redes generativas adversariales. Por último, el libro analiza una amplia gama de aplicaciones del aprendizaje profundo, desde el procesamiento y la segmentación de imágenes hasta la detección de objetos, la generación de vídeo a texto y los sistemas de diálogo que utilizan LSTM, proporcionando tanto conocimientos teóricos como prácticos para implementar modelos de aprendizaje profundo.
€ 79,90 -
Rewolucja w sieciach neuronowych: Przekszta¿canie danych w wiedz¿
Prof. Sundaresan K pracuje obecnie jako adiunkt w Department of Artificial Intelligence and Data Science, Karpagam Institute of Technology, Tamilnadu, Indie.Dr Nallakumar R pracuje obecnie jako profesor nadzwyczajny w Departamencie Sztucznej Inteligencji i Nauki o Danych, Karpagam Institute of Technology, Tamilnadu, Indie.
€ 79,90