Name: Künstliche Intelligenz und Maschinelles Lernen. Vergleich der Deep Learning Frameworks TensorFlow, Keras, PyTorch, CNTK und MXNeT (en Alemán)
SKU: 59362626
Price: 34370.00 CLP
Availability: InStock
Author: Nitschke, Marco
ISBN: 9783346464774

portada Künstliche Intelligenz und Maschinelles Lernen. Vergleich der Deep Learning Frameworks TensorFlow, Keras, PyTorch, CNTK und MXNeT (en Alemán)

Künstliche Intelligenz und Maschinelles Lernen. Vergleich der Deep Learning Frameworks TensorFlow, Keras, PyTorch, CNTK und MXNeT (en Alemán)

Formato

Libro Físico

Autor

Marco Nitschke

Editorial

Grin Verlag

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

21x14.8x0.2 cm

Peso

0.05 kg.

ISBN13

9783346464774

Categorías

Lenguajes de programación y extensión/scripting: general

Künstliche Intelligenz und Maschinelles Lernen. Vergleich der Deep Learning Frameworks TensorFlow, Keras, PyTorch, CNTK und MXNeT (en Alemán)

Marco Nitschke (Autor) · Grin Verlag · Tapa Blanda

Libro Nuevo Importado

Envío: 21 a 25 días háb.

$ 57.280$ 34.370

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 34.370

Llega entre el 20 Oct y el 26 Oct a Santiago, Región Metropolitana. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Künstliche Intelligenz und Maschinelles Lernen. Vergleich der Deep Learning Frameworks TensorFlow, Keras, PyTorch, CNTK und MXNeT (en Alemán)"

Fachbuch aus dem Jahr 2021 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,3, AKAD University, ehem. AKAD Fachhochschule Stuttgart (Wirtschaftsinformatik), Sprache: Deutsch, Abstract: In diesem Assignment sollen die bekannten Deep Learning Frameworks TensorFlow, Keras, PyTorch, CNTK und MXNeT vorgestellt werden. Darüber hinaus soll geklärt werden, was ein Framework erfolgreich macht und welche Konsequenzen daraus folgen können. Dazu wird in der Folge auch das bereits eingestellte Framework Theano betrachtet. Zunächst werden grundlegende Begrifflichkeiten im Kontext von Deep Learning Frameworks definiert. Im Anschluss wird die grundsätzliche Funktionsweise von Deep Learning erläutert, danach werden die bekanntesten Deep Learning Frameworks vorgestellt und mögliche Erfolgskriterien bewertet.