Pro Deep Learning with TensorFlow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python 2nd ed.

(0) | Klausimai ir atsakymai (0)

Specifikacijos:

Autorius:	Santanu Pattanayak
Puslapių skaičius:	652
Leidimo metai:	2023
Prekės ID:	69246996

Daugiau informacijos

Pilna kaina
Mokėkite dalimis 5²⁸ € x 18 mėn.

70²⁴ €

5²⁸ € / mėn.

Lizingo skaičiuoklė

Skolinantis 70²⁴ €, sutartį sudarant 18 mėn. laikotarpiui, mėn. įmoka - 5²⁸ €, metinė palūkanų norma - 25,20%, mėn. sutarties administravimo mokestis - 0.6%, sutarties sudarymo mokestis - 3%, BVKKMN - 49,16%, bendra vartojimo kredito gavėjo mokama suma - 95⁰⁴ €.
Paslaugos teikėjas: „AS Inbank filialas“.

arba

3 x 23⁴² €

Be pabrangimo

Pardavėjas: Knygynas Krisostomus 4.9

Į krepšelį

Jūsų miestas

Vilniuje, parduotuvėje (Laisvės pr. 75)

Balandžio 25 d.

0⁰⁰ €

Vilniuje, parduotuvėje (Upės g. 9 (PC „CUP“))

Balandžio 25 d.

0⁰⁰ €

Kaune, Klaipėdoje, Šiauliuose, Panevėžyje, parduotuvėje

Balandžio 25 d.

0⁰⁰ €

Atsiimkite Omniva paštomate

Balandžio 25 d.

2⁶⁵ €

Atsiimkite SmartPosti terminale

Balandžio 25 d.

2⁶⁹ €

Pristatysime į namus

Balandžio 25 d.

3⁴⁹ €

Dėmesio! Pristatymo terminai yra preliminarūs, kadangi terminai atsinaujina priklausomai nuo faktinio užsakymo pateikimo ir apmokėjimo laiko. Galutinis pristatymo terminas yra pateikiamas Pigu.lt patvirtinus užsakymą.

Visi pristatymo būdai

14 dienų grąžinimo garantija

Pardavėjas: Knygynas Krisostomus 4.9

97% pirkėjų rekomenduotų šį pardavėją

Kiti taip pat domėjosi

Prekės aprašymas: Pro Deep Learning with TensorFlow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python 2nd ed.

This book builds upon the foundations established in its first edition, with updated chapters and the latest code implementations to bring it up to date with Tensorflow 2.0. Pro Deep Learning with TensorFlow 2.0 begins with the mathematical and core technical foundations of deep learning. Next, you will learn about convolutional neural networks, including new convolutional methods such as dilated convolution, depth-wise separable convolution, and their implementation. You'll then gain an understanding of natural language processing in advanced network architectures such as transformers and various attention mechanisms relevant to natural language processing and neural networks in general. As you progress through the book, you'll explore unsupervised learning frameworks that reflect the current state of deep learning methods, such as autoencoders and variational autoencoders. The final chapter covers the advanced topic of generative adversarial networks and their variants, such as cycle consistency GANs and graph neural network techniques such as graph attention networks and GraphSAGE. Upon completing this book, you will understand the mathematical foundations and concepts of deep learning, and be able to use the prototypes demonstrated to build new deep learning applications. What You Will Learn Understand full-stack deep learning using TensorFlow 2.0 Gain an understanding of the mathematical foundations of deep learning Deploy complex deep learning solutions in production using TensorFlow 2.0 Understand generative adversarial networks, graph attention networks, and GraphSAGE Who This Book Is For: Data scientists and machine learning professionals, software developers, graduate students, and open source enthusiasts.

Bendra informacija apie: Pro Deep Learning with TensorFlow 2.0: A Mathematical Approach to Advanced Artificial Intelligence in Python 2nd ed.

Prekės ID:	69246996
Kategorija:	Ekonomikos knygos
Prekės pakuočių kiekis:	1 vnt.
Pakuotės išmatavimai ir svoris (1):	0,35 x 0,25 x 0,1 m, 0,5 kg
Leidykla:	APress
Leidinio kalba:	Anglų
Viršelio tipas:	Minkštas
Formatas:	Tradicinė knyga
Tipas:	Informacinės technologijos
Knyga su ištrauka:	Ne
Pardavėjo šalis:	Estija
Pardavėjas:	Knygynas Krisostomus
Autorius:	Santanu Pattanayak
Puslapių skaičius:	652
Leidimo metai:	2023

Daugiau informacijos

Prekių nuotraukos skirtos tik iliustraciniams tikslams ir yra pavyzdinės. Prekės aprašyme esančios video nuorodos yra tik informacinio pobūdžio, todėl jose pateikiama informacija gali skirtis nuo pačios prekės. Originalių produktų spalvos, užrašai, parametrai, matmenys, dydžiai, funkcijos, ir/ar bet kurios kitos savybės dėl savo vizualinių ypatybių gali atrodyti kitaip negu realybėje, todėl prašome vadovautis prekių savybėmis, kurios nurodytos prekių aprašymuose.

Pranešti apie klaidą prekės aprašyme

Rekomenduojama kartu

Partnerių pasiūlymai

Reklama