Wyszukiwanie zaawansowane
Kategorie
Kategorie BISAC
Książki na zamówienie
Promocje
Granty
Książka na prezent
Opinie
Pomoc
Załóż konto
Zaloguj się
A Brief Introduction to Machine Learning for Engineers » książka
zaloguj się
|
załóż konto
koszyk
konto
szukaj
topmenu
Szukaj
Książki na zamówienie
Promocje
Granty
Książka na prezent
Moje konto
Pomoc
Wyszukiwanie zaawansowane
Pusty koszyk
Kategorie główne
•
Nauka
[2692366]
•
Literatura piękna
[1640460]
więcej...
•
Turystyka
[61874]
•
Informatyka
[141681]
•
Komiksy
[32001]
•
Encyklopedie
[21632]
•
Dziecięca
[512964]
•
Hobby
[106747]
•
AudioBooki
[1972]
•
Literatura faktu
[199610]
•
Muzyka CD
[449]
•
Słowniki
[2692]
•
Inne
[407049]
•
Kalendarze
[1350]
•
Podręczniki
[161483]
•
Poradniki
[408221]
•
Religia
[455343]
•
Czasopisma
[420]
•
Sport
[59293]
•
Sztuka
[223844]
•
CD, DVD, Video
[3716]
•
Technologie
[206139]
•
Zdrowie
[88029]
•
Książkowe Klimaty
[118]
•
Zabawki
[2574]
•
Puzzle, gry
[3157]
•
Literatura w języku ukraińskim
[262]
•
Art. papiernicze i szkolne
[9771]
Kategorie szczegółowe BISAC
A Brief Introduction to Machine Learning for Engineers
ISBN-13
: 9781680834727 / Angielski / Miękka / 2018 / 250 str.
Osvaldo Simeone
Widoczna okładka, to zdjęcie poglądowe, a rzeczywista szata graficzna może różnić się od prezentowanej.
A Brief Introduction to Machine Learning for Engineers
ISBN-13
: 9781680834727 / Angielski / Miękka / 2018 / 250 str.
Osvaldo Simeone
cena
481,99
zł
(netto: 459,04 VAT: 5%)
Najniższa cena z 30 dni: 452,89 zł
Termin realizacji zamówienia:
ok. 13-18 dni roboczych.
Darmowa dostawa!
do przechowalni
Parametry
Spis treści
Kategorie:
Technologie
Kategorie BISAC:
Technology & Engineering
>
Signals & Signal Processing
Wydawca:
Now Publishers
Język:
Angielski
ISBN-13:
9781680834727
Rok wydania:
2018
Dostępne języki:
Numer serii:
000465201
Ilość stron:
250
Waga:
0.36 kg
Wymiary:
23.39 x 15.6 x 1.37
Oprawa:
Miękka
I. Basics
1. Introduction
2. A Gentle Introduction through Linear Regression
3. Probabilistic Models for Learning
II. Supervised Learning
4. Classification
5. Statistical Learning Theory
III. Unsupervised Learning
6. Unsupervised Learning
IV. Advanced Modelling and Inference
7. Probabilistic Graphical Models
8. Approximate Inference and Learning
V. Conclusions
9. Concluding Remarks
Appendices
Acknowledgements
References
Udostępnij
Czytaj nas na: