Filters
Resultaten voor 'sundaresan'
-
Platform Engineering
Concepts, Challenges and Applications€ 277,50 -
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 -
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 -
The Neural Network Revolution: Transforming Data into Knowledge
This book provides a comprehensive exploration of deep learning, starting with the basics of neural networks, including the perceptron algorithm and key techniques like feed-forward and backpropagation, optimization, and regularization. It delves into deep learning foundations, covering important concepts such as gradient descent, backpropagation, and solutions for challenges like the vanishing gradient problem. The book then introduces convolutional neural networks (CNNs), explaining their architectures, convolution and pooling layers, and applications like transfer learning for image classification. Further, it covers advanced deep learning architectures such as LSTMs, GRUs, and autoencoders, including various types like sparse, denoising, and adversarial generative networks. Finally, the book discusses a wide range of applications in deep learning, from image processing and segmentation to object detection, video-to-text generation, and dialogue systems using LSTMs, providing both theoretical understanding and practical insights for implementing deep learning models.
€ 79,90