Trask andrew (25 Ergebnisse)

Paperback. Zustand: Good. No Jacket. Pages can have notes/highlighting. Spine may show signs of wear. ~ ThriftBooks: Read More, Spend Less.

Paperback. Zustand: Very Good. First Edition. It's a well-cared-for item that has seen limited use. The item may show minor signs of wear. All the text is legible, with all pages included. It may have slight markings and/or highlighting.

Paperback. Zustand: Very Good. The book has been read, but is in excellent condition. Pages are intact and not marred by notes or highlighting. The spine remains undamaged.

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

Zustand: good. Befriedigend/Good: Durchschnittlich erhaltenes Buch bzw. Schutzumschlag mit Gebrauchsspuren, aber vollständigen Seiten. / Describes the average WORN book or dust jacket that has all the pages present.

Zustand: very good. Oxford : Oxford University Press, USA, 2010. Paperback. xxiii, 284 pp. With CD-Rom. The Class Action Playbook is a unique and strategic how to guide for practitioners seeking to bring or defend a class action. Every important issue is addressed, including the initial shape of the proposed action, choice of forum, case-management schedules, pre-certification discovery and motions activity, briefing and argument of the class-certification motion, class notice, preparation for trial, class settlements, and the binding effects of class-action judgments. Experienced practitioners Brian Anderson and Andrew Trask analyze what decisions the plaintiff and defendant must make at each stage of a proposed class action, and the considerations that might drive different strategies at each stage. The authors explain the importance of every issue, the choices available to each side, and the factors each side should consider in choosing the best path to follow. The Class Action Playbook also contains a CD-ROM appendix of high-quality example documents used by plaintiffs and defendants in the litigation of each stage of a class action. Condition : very good copy. ISBN 9780195390254. Keywords : RECHT.…

Zustand: very good. Gut/Very good: Buch bzw. Schutzumschlag mit wenigen Gebrauchsspuren an Einband, Schutzumschlag oder Seiten. / Describes a book or dust jacket that does show some signs of wear on either the binding, dust jacket or pages.

Zustand: New. 2019. 1st Edition. Paperback. . . . . . Books ship from the US and Ireland.

Zustand: New. This is a Brand-new US Edition. This Item may be shipped from US or any other country as we have multiple locations worldwide.

Zustand: New. In English.

Zustand: New. This is a Brand-new US Edition. This Item may be shipped from US or any other country as we have multiple locations worldwide.

Paperback. Zustand: Brand New. 309 pages. 9.25x7.25x0.75 inches. In Stock.

Zustand: New. pp. 325.

Paperback. Zustand: Brand New. 309 pages. 9.25x7.25x0.75 inches. In Stock.

Paperback. Zustand: Brand New. German language. 9.37x6.61x0.87 inches. In Stock.

Taschenbuch. Zustand: Neu. Neuware - Key Features: Build neural networks that can see and understand images Build an A.I. that will learn to defeat you in a classic Atari game Hands-on LearningWritten for readers with high school-level math and intermediateprogramming skills. Experience with Calculus is helpful but notrequired.…

Zustand: NEW.

Zustand: New. Key Features:* Build neural networks that can see and understand images* Build an A.I. that will learn to defeat you in a classic Atari game* Hands-on Learning Written for readers with high school-level math and intermediateprogramming skills. Experience wi.

Taschenbuch. Zustand: Neu. Grokking Deep Learning | Andrew W Trask | Taschenbuch | Kartoniert / Broschiert | Englisch | 2019 | Manning Publications | EAN 9781617293702 | Verantwortliche Person für die EU: Libri GmbH, Europaallee 1, 36244 Bad Hersfeld, gpsr[at]libri[dot]de | Anbieter: preigu.

Zustand: new. Pages: 352 Language: Russian. Glubokoe obuchenie - eto razdel iskusstvennogo intellekta, tsel kotorogo nauchit kompjutery obuchatsja s pomoschju nejronnykh setej - tekhnologii, sozdannoj po obrazu i podobiju chelovecheskogo mozga. Onlajn-perevodchiki, bespilotnye avtomobili, rekomendatsii po vyboru tovarov imenno dlja vas i virtualnye golosovye pomoschniki - vot lish neskolko dostizhenij, kotorye stali vozmozhny, blagodarja glubokomu obucheniju. "Grokaem glubokoe obuchenie" nauchit konstruirovat nejronnye seti s nulja! Endrju Trask znakomit so vsemi detaljami i tonkostjami etoj nelegkoj zadachi. Python i biblioteka NumPy sposobny nauchit vashi nejronnye seti videt i raspoznavat izobrazhenija, perevodit ljubye teksty na vse jazyki mira i dazhe pisat ne khuzhe Shekspira! Chto vy najdete vnutri knigi * Teoreticheskie osnovy glubokogo obuchenija* Priemy sozdanija i obuchenija nejronnykh setej * Rabota s estestvennym jazykom * Federativnoe obuchenie i rabota s konfidentsialnymi dannymi Vam ne ponadobjatsja spetsialnye navyki, vykhodjaschie za ramki shkolnogo kursa matematiki i bazovykh navykov programmirovanija Perevodchik: Kiselev A. 9785446113347. …

Zustand: New. Von den Grundlagen Neuronaler Netze ueber Machine Learning bis hin zu Deep-Learning-AlgorithmenAnschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPyKeine Vorkenntnisse in Machine Learning o.

Taschenbuch. Zustand: Neu. Neuware -- Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen- Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy- Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlichDeep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht. Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz. Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen.Aus dem Inhalt:- Parametrische und nichtparametrische Modelle- Überwachtes und unüberwachtes Lernen- Vorhersagen mit mehreren Ein- und Ausgaben- Fehler messen und verringern- Hot und Cold Learning- Batch- und stochastischer Gradientenabstieg- Überanpassung vermeiden- Generalisierung- Dropout-Verfahren- Backpropagation und Forward Propagation- Bilderkennung- Verarbeitung natürlicher Sprache (NLP)- Sprachmodellierung- Aktivierungsfunktionen- Sigmoid-Funktion- Tangens hyperbolicus- Softmax- Convolutional Neural Networks (CNNs)- Recurrent Neural Networks (RNNs)- Long Short-Term Memory (LSTM)- Deep-Learning-Framework erstellenMITP Verlags GmbH + Co KG, Augustinusstr. 9a, 50226 Frechen, Augustinusstr. 9a, 50226 Frechen 354 pp. Deutsch.…

Taschenbuch. Zustand: Neu. Neuware - Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-AlgorithmenAnschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPyKeine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlichDeep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht. Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz. Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen.Aus dem Inhalt:Parametrische und nichtparametrische ModelleÜberwachtes und unüberwachtes LernenVorhersagen mit mehreren Ein- und AusgabenFehler messen und verringernHot und Cold LearningBatch- und stochastischer GradientenabstiegÜberanpassung vermeidenGeneralisierungDropout-VerfahrenBackpropagation und Forward PropagationBilderkennungVerarbeitung natürlicher Sprache (NLP)SprachmodellierungAktivierungsfunktionenSigmoid-FunktionTangens hyperbolicusSoftmaxConvolutional Neural Networks (CNNs)Recurrent Neural Networks (RNNs)Long Short-Term Memory (LSTM)Deep-Learning-Framework erstellen.…

Taschenbuch. Zustand: Neu. Neuronale Netze und Deep Learning kapieren | Der einfache Praxiseinstieg mit Beispielen in Python | Andrew W. Trask | Taschenbuch | mitp Professional | 360 S. | Deutsch | 2019 | MITP Verlags GmbH | EAN 9783747500156 | Verantwortliche Person für die EU: mitp Verlags GmbH & Co. KG, Steffen Dralle, Augustinusstr. 9a, 50226 Frechen, steffen[dot]dralle[at]mitp[dot]de | Anbieter: preigu. …

Taschenbuch. Zustand: Neu. Neuware -- Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen- Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy- Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlichDeep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht. Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz. Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen.Aus dem Inhalt:- Parametrische und nichtparametrische Modelle- Überwachtes und unüberwachtes Lernen- Vorhersagen mit mehreren Ein- und Ausgaben- Fehler messen und verringern- Hot und Cold Learning- Batch- und stochastischer Gradientenabstieg- Überanpassung vermeiden- Generalisierung- Dropout-Verfahren- Backpropagation und Forward Propagation- Bilderkennung- Verarbeitung natürlicher Sprache (NLP)- Sprachmodellierung- Aktivierungsfunktionen- Sigmoid-Funktion- Tangens hyperbolicus- Softmax- Convolutional Neural Networks (CNNs)- Recurrent Neural Networks (RNNs)- Long Short-Term Memory (LSTM)- Deep-Learning-Framework erstellen 354 pp. Deutsch.…