| Vorliegende Sprache |
ger |
| Hinweise auf parallele Ausgaben |
49992505X Erscheint auch als (Druck-Ausgabe): ‡Goodfellow, Ian, 1987 - : Deep Learning |
| ISBN |
978-3-95845-700-3 |
| 3-95845-701-0 |
| 978-3-95845-701-0 |
| Name |
Goodfellow, Ian ¬[VerfasserIn]¬ |
| Bengio, Yoshua ¬[VerfasserIn]¬ |
| ANZEIGE DER KETTE |
Bengio, Yoshua ¬[VerfasserIn]¬ |
| Name |
Courville, Aaron ¬[VerfasserIn]¬ |
| T I T E L |
Deep Learning |
| Zusatz zum Titel |
das umfassende Handbuch : Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze |
| Auflage |
1. Auflage |
| Verlagsort |
Frechen |
| Verlag |
Verlags GmbH & Co. KG |
| Erscheinungsjahr |
2018 |
| 2018 |
| Umfang |
1 Online-Ressource (XXII, 883 Seiten) |
| Reihe |
mitp Business |
| Notiz / Fußnoten |
Includes bibliographical references and index |
| Original English language edition published by The MIT Press |
| Titelhinweis |
Erscheint auch als (Druck-Ausgabe): ‡Goodfellow, Ian, 1987 - : Deep Learning |
| ISBN |
ISBN 978-3-95845-701-0 |
| Klassifikation |
COM 000000 |
| 006.3/1 |
| 006.31 |
| Q325.5 |
| ST 300 |
| ST 302 |
| Kurzbeschreibung |
Intro -- Impressum -- Website zum Buch -- Danksagung -- Über die Fachkorrektoren zur deutschen Ausgabe -- Notation -- Einleitung -- Für wen ist dieses Buch gedacht? -- Historische Entwicklungen im Deep Learning -- I Angewandte Mathematik und Grundlagen für das Machine Learning -- Lineare Algebra -- Skalare, Vektoren, Matrizen und Tensoren -- Multiplizieren von Matrizen und Vektoren -- Einheits- und Umkehrmatrizen -- Lineare Abhängigkeit und lineare Hülle -- Normen -- Spezielle Matrizen und Vektoren -- Eigenwertzerlegung -- Singulärwertzerlegung -- Die Moore-Penrose-Pseudoinverse -- Der Spuroperator -- Die Determinante -- Beispiel: Hauptkomponentenanalyse -- Wahrscheinlichkeits- und Informationstheorie -- Warum Wahrscheinlichkeit? -- Zufallsvariablen -- Wahrscheinlichkeitsverteilungen -- Randwahrscheinlichkeit -- Bedingte Wahrscheinlichkeit -- Die Produktregel der bedingten Wahrscheinlichkeiten -- Unabhängigkeit und bedingte Unabhängigkeit -- Erwartungswert, Varianz und Kovarianz -- Häufig genutzte Wahrscheinlichkeitsverteilungen -- Nützliche Eigenschaften häufig verwendeter Funktionen -- Satz von Bayes -- Technische Einzelheiten stetiger Variablen -- Informationstheorie -- Strukturierte probabilistische Modelle -- Numerische Berechnung -- Überlauf und Unterlauf -- Schlechte Konditionierung -- Optimierung auf Gradientenbasis -- Optimierung unter Nebenbedingungen -- Beispiel: Lineare kleinste Quadrate -- Grundlagen für das Machine Learning -- Lernalgorithmen -- Kapazität, Überanpassung und Unteranpassung -- Hyperparameter und Validierungsdaten -- Schätzer, Verzerrung und Varianz -- Maximum-Likelihood-Schätzung -- Bayessche Statistik -- Algorithmen für überwachtes Lernen -- Algorithmen für unüberwachtes Lernen -- Stochastisches Gradientenabstiegsverfahren -- Entwickeln eines Machine-Learning-Algorithmus -- Probleme, an denen Deep Learning wächst. |
| 1. Schlagwortkette |
Deep learning |
| Maschinelles Lernen |
| Deep learning |
| ANZEIGE DER KETTE |
Deep learning -- Maschinelles Lernen -- Deep learning |
| SWB-Titel-Idn |
513833528 |
| Signatur |
E-Book ProQuest |
| Bemerkungen |
Elektronischer Volltext - Campuslizenz |
| Elektronische Adresse |
$uhttps://ebookcentral.proquest.com/lib/fhzwickau/detail.action?docID=5598176 |
| Internetseite / Link |
Volltext |
| Siehe auch |
Aggregator |
