|
|
|
|
LEADER |
02696nam a2200481 c 4500 |
001 |
koha001015714 |
008 |
240325s2022 ru ad f 000 0 rus d |
020 |
|
|
|a 9785446114757
|
020 |
|
|
|a 9781492045526
|
035 |
|
|
|a koha001015714
|
039 |
|
|
|z 19
|b 106
|
040 |
|
|
|a RU-ToGU
|b rus
|c RU-ToGU
|
080 |
|
|
|a 004.85.032.26
|
100 |
1 |
|
|a Ховард, Джереми
|9 955376
|
245 |
1 |
0 |
|a Глубокое обучение с fastai и PyTorch
|b минимум формул, минимум кода, максимум эффективности
|c Джереми Ховард, Сильвейн Гуггер ; [пер. с англ. Д. Брайт]
|
246 |
1 |
1 |
|a Deep Learning for Coders with fastai and PyTorch
|
260 |
|
|
|a Санкт-Петербург [и др.]
|b Питер
|c 2022
|9 738406
|
300 |
|
|
|a 621 с.
|b ил., табл.
|
336 |
|
|
|a Текст
|
337 |
|
|
|a непосредственный
|
490 |
1 |
|
|a Бестселлеры O'Reilly
|
653 |
|
|
|a машинное обучение
|
653 |
|
|
|a глубокое обучение (искусственный интеллект)
|
653 |
|
|
|a PyTorch, фреймворк
|
653 |
|
|
|a фреймворки, набор инструментов для ускорения разработки приложений
|
653 |
|
|
|a fastai, библиотека интерфейса машинного обучения
|
653 |
|
|
|a компьютерное зрение
|
653 |
|
|
|a изображения (компьютерное зрение), классификация
|
653 |
|
|
|a преобразование данных
|
653 |
|
|
|a нейронные сети искусственные рекуррентные
|
653 |
|
|
|a нейронные сети искусственные сверточные
|
653 |
|
|
|a глубокое обучение, модели
|
653 |
|
|
|a глубокое обучение, модели языковые
|
653 |
|
|
|a глубокое обучение, онлайн-приложения
|
653 |
|
|
|a глубокое обучение с чистого листа
|
653 |
|
|
|a этика данных
|
653 |
|
|
|a аналитика данных, схема подготовки проекта
|
700 |
1 |
|
|a Гуггер, Сильвейн
|9 955377
|
830 |
|
0 |
|a Бестселлеры O'Reilly
|9 129731
|
852 |
4 |
|
|a RU-ToGU
|n ru
|h 004.8
|i Х683
|
856 |
|
|
|y Перейти в каталог НБ ТГУ
|u https://koha.lib.tsu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=1015714
|
999 |
|
|
|c 1015714
|d 1015714
|
952 |
|
|
|0 0
|1 0
|4 0
|6 0048_Х683
|7 0
|9 853420
|a RU-ToGU
|b RU-ToGU
|c 10005
|d 2024-03-25
|g 1948.00
|o 004.8 Х683
|p 13820001055955
|r 2024-03-25
|y 9
|