Künstliche Intelligenz und Maschinelles Lernen. Vergleich der Deep Learning Frameworks TensorFlow, Keras, PyTorch, CNTK und MXNeT (eBook, PDF)
Sofort per Download lieferbar
Statt: 17,95 €**
15,99 €
inkl. MwSt. und vom Verlag festgesetzt.
**Preis der gedruckten Ausgabe (Broschiertes Buch)
Alle Infos zum eBook verschenkenWeitere Ausgaben:
PAYBACK Punkte
0 °P sammeln!
**Preis der gedruckten Ausgabe (Broschiertes Buch)
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 Lear...
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.
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.
Andere Kunden interessierten sich für
