Probabilistic deep learning : with Python, Keras, and TensorFlow Probability / Oliver Dürr, Beate Sick ; with Elvis Murina.
Tipo de material: TextoEditor: Shelter Island [New York] : Manning, [2020]Descripción: xviii, 274 páginas : ilustracionesTipo de contenido: texto Tipo de medio: no mediado Tipo de portador: volumenISBN: 1617296074; 9781617296079Tema(s): APRENDIZAJE AUTOMATICO | REDES NEURONALES (ciencia de la computación)Clasificación CDD: 006.31 Recursos en línea: VERSIÓN DIGITALTipo de ítem | Biblioteca actual | Colección | número de clasificación | Copia número | Estado | Notas | Fecha de vencimiento | Código de barras |
---|---|---|---|---|---|---|---|---|
Bibliografía Reserva copia 1 | Biblioteca Campus San Joaquín | Colección Básica de Apoyo Docente | 006.31 D793 (Navegar estantería(Abre debajo)) | 1 | Disponible | Asignatura: Introducción a la inteligencia artificial explicable | 3560900275237 | |
Bibliografía Reserva Basica | Biblioteca Campus San Joaquín | Colección Básica de Apoyo Docente | 006.31 D793 (Navegar estantería(Abre debajo)) | 2 | Disponible | Asignatura: Introducción a la inteligencia artificial explicable | 3560900275236 | |
Bibliografía Reserva Basica | Biblioteca Campus San Joaquín | Colección Básica de Apoyo Docente | 006.31 D793 (Navegar estantería(Abre debajo)) | 3 | Disponible | Asignatura: Introducción a la inteligencia artificial explicable | 3560900275235 | |
Bibliografía Reserva copia 1 | Biblioteca Central | Colección Básica de Apoyo Docente | 006.31 D793 (Navegar estantería(Abre debajo)) | 1 | Disponible | Asignatura : Introducción a la inteligencia artificial explicable | 3560900274332 | |
Bibliografía Reserva Basica | Biblioteca Central | Colección Básica de Apoyo Docente | 006.31 D793 (Navegar estantería(Abre debajo)) | 2 | Disponible | Asignatura: Introducción a la inteligencia artificial explicable | 3560900275234 | |
Bibliografía Reserva Basica | Biblioteca Central | Colección Básica de Apoyo Docente | 006.31 D793 (Navegar estantería(Abre debajo)) | 3 | Disponible | Asignatura: Introducción a la inteligencia artificial explicable | 3560900274449 |
"Exercises in Jupyter Notebooks"--Page 1 of cover.
Part 1, Basics of deep learning. Introduction to probabilistic deep learning ; Neural network architectures ; Principles of curve fitting -- Part 2, Maximum likelihood approaches for probabilistic DL models. Building loss functions with the likelihood approach ; Probabilistic deep learning models with TensorFlow Probability ; Probabilistic deep learning models in the wild -- Part 3, Bayesian approaches for probabilistic DL models. Bayesian learning ; Bayesian neural networks.
"A hands-on guide to the principles that support neural networks"--Page 4 of cover.
COBERTURA BIBLIOGRAFICA:
INF473
Asignatura : Introducción a la inteligencia artificial explicable
Última actualización 13 de noviembre 2023