Atjaunināt sīkdatņu piekrišanu

E-grāmata: Deep Learning and Practice with MindSpore

, Translated by
Citas grāmatas par šo tēmu:
  • Formāts - EPUB+DRM
  • Cena: 177,85 €*
  • * ši ir gala cena, t.i., netiek piemērotas nekādas papildus atlaides
  • Ielikt grozā
  • Pievienot vēlmju sarakstam
  • Šī e-grāmata paredzēta tikai personīgai lietošanai. E-grāmatas nav iespējams atgriezt un nauda par iegādātajām e-grāmatām netiek atmaksāta.
Deep Learning and Practice with MindSporePalielināt
Citas grāmatas par šo tēmu:

DRM restrictions

  • Kopēšana (kopēt/ievietot):

    nav atļauts

  • Drukāšana:

    nav atļauts

  • Lietošana:

    Digitālo tiesību pārvaldība (Digital Rights Management (DRM))
    Izdevējs ir piegādājis šo grāmatu šifrētā veidā, kas nozīmē, ka jums ir jāinstalē bezmaksas programmatūra, lai to atbloķētu un lasītu. Lai lasītu šo e-grāmatu, jums ir jāizveido Adobe ID. Vairāk informācijas šeit. E-grāmatu var lasīt un lejupielādēt līdz 6 ierīcēm (vienam lietotājam ar vienu un to pašu Adobe ID).

    Nepieciešamā programmatūra
    Lai lasītu šo e-grāmatu mobilajā ierīcē (tālrunī vai planšetdatorā), jums būs jāinstalē šī bezmaksas lietotne: PocketBook Reader (iOS / Android)

    Lai lejupielādētu un lasītu šo e-grāmatu datorā vai Mac datorā, jums ir nepieciešamid Adobe Digital Editions (šī ir bezmaksas lietotne, kas īpaši izstrādāta e-grāmatām. Tā nav tas pats, kas Adobe Reader, kas, iespējams, jau ir jūsu datorā.)

    Jūs nevarat lasīt šo e-grāmatu, izmantojot Amazon Kindle.

This book systematically introduces readers to the theory of deep learning and explores its practical applications based on the MindSpore AI computing framework. Divided into 14 chapters, the book covers deep learning, deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), unsupervised learning, deep reinforcement learning, automated machine learning, device-cloud collaboration, deep learning visualization, and data preparation for deep learning. To help clarify the complex topics discussed, this book includes numerous examples and links to online resources.

Chapter
1. Introduction.
Chapter
2. Deep Learning Basics.
Chapter
3. DNN.
Chapter
4. Training of DNNs.
Chapter
5. Convolutional Neural Network.
Chapter
6. RNN.
Chapter
7. Unsupervised Learning: Word Vector.
Chapter
8. Unsupervised Learning: Graph Vector.
Chapter
9. Unsupervised Learning: Deep Generative Model.
Chapter
10. Deep Reinforcement Learning.
Chapter
11. Automated Machine Learning.
Chapter
12. Device-Cloud Collaboration.
Chapter
13. Deep Learning Visualization.
Chapter
14. Data Preparation for Deep Learning.
Chen Lei is a Chair Professor of the Department of Computer Science and Engineering and the Director of the Big Data Institute at Hong Kong University of Science and Technology (HKUST). His research focuses on data-driven AI, human-powered machine learning, knowledge graphs, and data mining on social media. He has published more than 400 papers in world-renowned journals and conference proceedings and won the 2015 SIGMOD Test of Time Award. Currently, he serves as the Editor-in-Chief of the VLDB 2019 Journal, the Associate Editor-in-Chief of the IEEE TKDE Journal, and an executive member of the VLDB Endowment. He is also IEEE Fellow and ACM Distinguished Scientist.
Biežāk uzdotie jautājumi par e-grāmatām Biežāk uzdotie jautājumi par e-grāmatām
Permanent link: https://www.kriso.lv/db/97898116223356e.html
Keywords: