Глубокое обучение с R и Keras Франсуа Шолле ; при участии Томаша Калиновски и Дж. Дж. Аллера ; пер. с англ. В. С. Яценкова

Глубокое обучение с R и Keras Франсуа Шолле ; при участии Томаша Калиновски и Дж. Дж. Аллера ; пер. с англ. В. С. Яценкова

Библиографическая информация
Главный автор:	Шолле, Франсуа
Другие авторы:	Калиновски, Томаш, Аллер, Дж. Дж
Формат:	Книга
Язык:	Russian
Публикация:	Москва ДМК Пресс 2023
Редактирование:	2-е изд.
Предметы:	машинное обучение глубокое R,язык программирования для статистической обработки данных и работы с графикой Keras, открытая библиотека на языке Python для взаимодействие с искусственными нейронными сетями искусственный интеллект нейронные сети искусственные TensorFlow, открытая программная библиотека для машинного обучения машинное обучение глубокое, применение машинное обучение глубокое и временные ряды компьютерное зрение обработка текстов машинное обучение глубокое, модели генеративные машинное обучение глубокое в реальной жизни

Похожие документы

Глубокое обучение на Python
по: Шолле, Франсуа
Публикация: (2022)

Прикладное машинное обучение без учителя с использованием Python
по: Пател, Анкур А.
Публикация: (2020)

Искусственный интеллект и компьютерное зрение реальные проекты на Python, Keras и TensorFlow
по: Коул, Анирад
Публикация: (2023)

Глубокое обучение на Python
по: Шолле, Франсуа
Публикация: (2019)

Studying knowledge graph
по: Wang, F.

Компьютерное зрение. Современные методы и перспективы развития
Публикация: (2022)

Super-resolution reconstruction of noisy gas-mixture absorption spectra using deep learning

Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow концепции, инструменты и техники для создания интеллектуальных систем : пер. с англ.
по: Жерон, Орельен
Публикация: (2019)

Глубокое обучение с подкреплением на Python OpenAl Gym и TensorFlow для профи
по: Равичандиран, Судхарсан
Публикация: (2020)

Глубокое обучение погружение в мир нейронных сетей
по: Николенко, Сергей Игоревич
Публикация: (2019)

Глубокое обучение с fastai и PyTorch минимум формул, минимум кода, максимум эффективности
по: Ховард, Джереми
Публикация: (2022)

Python и машинное обучение машинное и глубокое обучение с использованием Python, scikit-learn и TensorFlow : пер. с англ.
по: Рашка, Себастьян
Публикация: (2019)

Диагностика патологий по данным видеоэндоскопии с использованием ансамбля сверточных нейронных сетей

Глубокое обучение погружение в мир нейронных сетей
по: Николенко, Сергей Игоревич
Публикация: (2023)

TensorFlow для глубокого обучения [от линейной регрессии до обучения с максимизацией подкрепления : для разработчиков систем машинного обучения]
по: Рамсундар, Бхарат
Публикация: (2019)

Обучение с подкреплением для реальных задач. Инженерный подход [для аналитиков данных и специалистов по искусственному интеллекту] : пер. с англ.
по: Уиндер, Фил
Публикация: (2023)

Глубокое обучение с подкреплением: теория и практика на языке Python
по: Грессер, Лаура
Публикация: (2022)

Машинное обучение: новый искусственный интеллект [пер. с англ.]
по: Алпайдин, Этем
Публикация: (2017)

Инженерия машинного обучения
по: Бурков, Андрей
Публикация: (2022)

Вероятностное машинное обучение введение
по: Мэрфи, Кэвин Патрик
Публикация: (2023)

Основы машинного обучения для аналитического прогнозирования алгоритмы, рабочие примеры и тематические исследования : пер. с англ.
по: Келлехер, Джон Д
Публикация: (2019)

Грокаем глубокое обучение
по: Траск, Эндрю
Публикация: (2022)

Интерпретируемое машинное обучение на Python научитесь создавать интерпретируемые высокопроизводительные модели на практических примерах из реальной жизни : пер. с англ.
по: Масис, Серг
Публикация: (2023)

Машинное обучение: новый искусственный интеллект пер. с англ.
по: Алпайдин, Этем
Публикация: (2017)

Создание приложений машинного обучения от идеи к продукту
по: Амейзен, Эммануэль
Публикация: (2023)

Метод построения сверточной нейросетевой модели обнаружения объектов с применением технологии трансфертного обучения

Физически информированное машинное обучение
по: Берцун, Артемий Николаевич

Объяснимые модели искусственного интеллекта на Python Модель искусственного интеллекта. Объяснения с использованием библиотек, расширений и фреймворков на основе языка Python
по: Мишра, Прадипта
Публикация: (2022)

Прикладное глубокое обучение подход к пониманию глубоких нейронных сетей на основе метода кейсов
по: Микелуччи, Умберто
Публикация: (2020)

Генеративное глубокое обучение творческий потенциал нейронных сетей
по: Фостер, Дэвид
Публикация: (2020)

Обнаружение аномалий технологических сигналов с использованием ансамбля классификаторов и вейвлет-преобразований
по: Мурзагулов, Дамир Альбертович

Глубокое цианирование
по: Абрамсон, Яков Петрович
Публикация: (1948)

Рандомизированное машинное обучение при ограниченных объемах данных. От эмпирической вероятности к энтропийной рандомизации [монография]
по: Попков, Юрий Соломонович 1937-
Публикация: (2019)

Autonomous driving object detection using ACF
по: Mohammed, M. J.

Automated detection of COVID-19 coronavirus infection based on analysis of chest X-ray images by deep learning methods
по: Shchetinin, Evgenii Yu

Использование нейросетевого подхода в задаче распознавания коронавирусной инфекции по рентгеновским снимкам пациентов
по: Бугакова, Дарья Дмитриевна

Математические основы машинного обучения и прогнозирования
по: Вьюгин, Владимир Вячеславович
Публикация: (2018)

Обработка естественного языка в действии
по: Хобсон, Лейн
Публикация: (2020)

Комбинированная модель локализации акустических источников с применением технологии глубокого обучения
по: Шаход, Джиах Михаил

Прикладной анализ текстовых данных на Python машинное обучение и создание приложений обработки естественного языка
по: Бенгфорт, Бенджамин
Публикация: (2019)