Probabilistic deep learning : with Python, Keras, and TensorFlow Probability / Oliver Dürr, Beate Sick ; with Elvis Murina.
Tipo de material:![Texto](/opac-tmpl/lib/famfamfam/BK.png)
Tipo de ítem | Biblioteca actual | Colección | número de clasificación | Copia número | Estado | Notas | Fecha de vencimiento | Código de barras |
---|---|---|---|---|---|---|---|---|
![]() |
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 | |
![]() |
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 | |
![]() |
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 | |
![]() |
Biblioteca Central | Colección Básica de Apoyo Docente | 006.31 D793 (Navegar estantería(Abre debajo)) | 1 | Disponible | Asignatura : Introducción a la inteligencia artificial explicable | 3560900274332 | |
![]() |
Biblioteca Central | Colección Básica de Apoyo Docente | 006.31 D793 (Navegar estantería(Abre debajo)) | 2 | Disponible | Asignatura: Introducción a la inteligencia artificial explicable | 3560900275234 | |
![]() |
Biblioteca Central | Colección Básica de Apoyo Docente | 006.31 D793 (Navegar estantería(Abre debajo)) | 3 | Disponible | Asignatura: Introducción a la inteligencia artificial explicable | 3560900274449 |
Navegando Biblioteca Campus San Joaquín Estantes, Ubicación: Colección Básica de Apoyo Docente, Código de colección: Colección Básica de Apoyo Docente Cerrar el navegador de estanterías (Oculta el navegador de estanterías)
"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