Isbn: 9786209883910 - manuale completo sul deep learning: cnn, rnn e modelli generativi (9 risultati)

Condizione: New.

PAP. Condizione: New. New Book. Shipped from UK. Established seller since 2000.

PAP. Condizione: New. New Book. Shipped from UK. Established seller since 2000.

Taschenbuch. Condizione: Neu. Manuale completo sul deep learning: CNN, RNN e modelli generativi | Sundaresan K (u. a.) | Taschenbuch | Italienisch | 2026 | Edizioni Sapienza | EAN 9786209883910 | Verantwortliche Person für die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu. …

Paperback. Condizione: new. Paperback. 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 probabilita e l'ottimizzazione, costruisce una solida base per la comprensione delle moderne reti neurali. Il testo esplora idee chiave come la capacita 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. E 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. This item is printed on demand. Shipping may be from multiple locations in the US or from the UK, depending on stock availability.…

Taschenbuch. Condizione: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 128 pp. Italienisch.

Taschenbuch. Condizione: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - 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.…

Paperback. Condizione: new. Paperback. 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 probabilita e l'ottimizzazione, costruisce una solida base per la comprensione delle moderne reti neurali. Il testo esplora idee chiave come la capacita 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. E 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. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.…

Taschenbuch. Condizione: Neu. This item is printed on demand - Print on Demand Titel. Neuware -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.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 128 pp. Italienisch.…