|
000
|
01760nam0 2200325 450
|
|
001
|
91866
|
|
005
|
20250817151335.34
|
|
010
|
|
@a978-7-122-44960-3@dCNY129.00
|
|
099
|
|
@aCAL 012024125080
|
|
100
|
|
@a20250221d2024 ekmy0chiy50 ea
|
|
101
|
1
|
@achi@ceng
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aak z 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@aPython深度学习实战@APython shen du xue xi shi zhan@f(美) 罗恩·克努斯著@d= Practical deep learning: a python-based introduction@fRonald T. Kneusel@g宿翀译@zeng
|
|
210
|
|
@a北京@c化学工业出版社@d2024.08
|
|
215
|
|
@a285页@c图@d26cm
|
|
306
|
|
@a由No Strach Press授权出版
|
|
314
|
|
@a罗恩·克努斯 (Ronald T. Kneusel), 自2003年以来一直致力于工业机器学习领域的研究, 并于2016年获得了科罗拉多大学博尔德分校 (University of Colorado, Boulder) 的机器学习博士学位。罗恩目前在L3Harris技术公司 (L3Harris Technologies, Inc.) 工作。此外, 罗恩还在Springer出版社发行两本著作: 《数字计算机》(Numbers Computers)、《随机数字和计算机》(Random Numbers and Computers)。
|
|
330
|
|
@a本书与机器学习和深度学习相关, 向读者讲述了如何建立一个数据集, 并展示了如何使用该数据集训练一个成功的深度学习模型。此后, 全书探讨了经典的机器学习算法, 为探讨深度学习方法理论奠定基础。最后4章探讨了卷积神经网络, 从案例研究出发, 讲解如何从数据集到评估预测模型的方法。同时, 介绍了如何通过当前实践的标准来调整和评估机器学习模型的性能。
|
|
500
|
10
|
@aPractical deep learning : a python-based introduction@mChinese
|
|
606
|
0
|
@a程序语言@Acheng xu yu yan@x程序设计
|
|
606
|
0
|
@a机器学习@Aji qi xue xi
|
|
610
|
0
|
@aPython
|
|
690
|
|
@aTP312PY@v5
|
|
690
|
|
@aTP181@v5
|
|
701
|
1
|
@a纽塞尔@Aniu sai er@g(Kneusel, Ronald T.)@4著
|
|
702
|
0
|
@a宿翀,@Asu chong@f1983-@4译
|
|
801
|
0
|
@aCN@c20250909
|
|
905
|
|
@a河南城建学院图书馆@dTP312PY@eN734@f1
|
|
|
|
|
| |
| Python深度学习实战/(美) 罗恩·克努斯著= Practical deep learning: a python-based introduction/Ronald T. Kneusel/宿翀译.-北京：化学工业出版社，2024.08 |
| 285页：图；26cm |
| |
| |
| ISBN 978-7-122-44960-3：CNY129.00 |
| 本书与机器学习和深度学习相关, 向读者讲述了如何建立一个数据集, 并展示了如何使用该数据集训练一个成功的深度学习模型。此后, 全书探讨了经典的机器学习算法, 为探讨深度学习方法理论奠定基础。最后4章探讨了卷积神经网络, 从案例研究出发, 讲解如何从数据集到评估预测模型的方法。同时, 介绍了如何通过当前实践的标准来调整和评估机器学习模型的性能。 |
| ● |
正题名：Python深度学习实战
索取号：TP312PY/N734
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1625830
|
216258305
|
自科库301/301自科库 86排2列4层/
[索取号:TP312PY/N734]
|
在馆
|
|
