- Hauptmenü-

Katalogdatenanzeige

Introduction to Deep Learning Using R: A Step-by-Step Guide to Learning and Implementing Deep Learning Models Using R

Kataloginformation Katalogdatensatz500255608 .

Kataloginformation
Feldname	Details
Vorliegende Sprache	eng
ISBN	978-1-4842-2733-6
Name	Beysolow II, Taweh
T I T E L	Introduction to Deep Learning Using R
Zusatz zum Titel	A Step-by-Step Guide to Learning and Implementing Deep Learning Models Using R
Verlagsort	Berkeley, CA
Verlag	Apress
Erscheinungsjahr	2017
Erscheinungsjahr	2017
Umfang	Online-Ressource (XIX, 227 p. 106 illus., 53 illus. in color, online resource)
Reihe	SpringerLink. Bücher
Titelhinweis	Druckausg.ISBN: 978-1-4842-2733-6
Titelhinweis	Printed editionISBN: 978-1-4842-2733-6
ISBN	ISBN 978-1-4842-2734-3
Klassifikation	KJQ
	BUS070030
	658.4038
	HF5548.125-HF5548.6
Kurzbeschreibung	Understand deep learning, the nuances of its different models, and where these models can be applied. The abundance of data and demand for superior products/services have driven the development of advanced computer science techniques, among them image and speech recognition. Introduction to Deep Learning Using R provides a theoretical and practical understanding of the models that perform these tasks by building upon the fundamentals of data science through machine learning and deep learning. This step-by-step guide will help you understand the disciplines so that you can apply the methodology in a variety of contexts. All examples are taught in the R statistical language, allowing students and professionals to implement these techniques using open source tools. What You Will Learn: • Understand the intuition and mathematics that power deep learning models • Utilize various algorithms using the R programming language and its packages • Use best practices for experimental design and variable selection • Practice the methodology to approach and effectively solve problems as a data scientist • Evaluate the effectiveness of algorithmic solutions and enhance their predictive power
2. Kurzbeschreibung	Chapter 1: What is Deep Learning? -- Chapter 2: Mathematical Review -- Chapter 3: A Review of Optimization and Machine Learning -- Chapter 4: Single and Multi-Layer Perceptron Models -- Chapter 5: Convolutional Neural Networks (CNNs) -- Chapter 6: Recurrent Neural Networks (RNNs) -- Chapter 7: Autoencoders, Restricted Boltzmann Machines, and Deep Belief Networks -- Chapter 8: Experimental Design and Heuristics -- Chapter 9: Deep Learning and Machine Learning Hardware/Software Suggestions -- Chapter 10: Machine Learning Example Problems -- Chapter 11: Deep Learning and Other Example Problems -- Chapter 12: Closing Statements.-
1. Schlagwortkette	R <Programm>
	Datenaustausch
	Statistik
	Maschinelles Lernen
ANZEIGE DER KETTE	R -- Datenaustausch -- Statistik -- Maschinelles Lernen
2. Schlagwortkette	R <Programm>
2. Schlagwortkette	Deep learning
ANZEIGE DER KETTE	R -- Deep learning
SWB-Titel-Idn	491759630
Signatur	Springer E-Book
Bemerkungen	Elektronischer Volltext - Campuslizenz
Elektronische Adresse	$uhttp://dx.doi.org/10.1007/978-1-4842-2734-3
Internetseite / Link	Volltext
Siehe auch	Cover

ISBD-Anzeige Katalogdatensatz500255608

Kategorien-Anzeige Katalogdatensatz500255608

Titel zur Titelsammlung hinzufügen Katalogdatensatz500255608

Kataloginformation500255608 Datensatzanfang . Kataloginformation500255608 Seitenanfang .

Titel vormerken Katalogdatensatz500255608

Vollanzeige Katalogdaten

Auf diesem Bildschirm erhalten Sie Katalog- und Exemplarinformationen zum ausgewählten Titel.

Im Bereich Kataloginformation werden die bibliographischen Details angezeigt. Per Klick auf Hyperlink-Begriffe wie Schlagwörter, Autoren, Reihen, Körperschaften und Klassifikationen können Sie sich weitere Titel des gewählten Begriffes anzeigen lassen.

Der Bereich Exemplarinformationen enthält zum einen Angaben über den Standort und die Verfügbarkeit der Exemplare. Zum anderen haben Sie die Möglichkeit, ausgeliehene Exemplare vorzumerken oder Exemplare aus dem Magazin zu bestellen.