Hyperparameter Tuning for Machine and Deep Learning with R

Inglese, 2022
Consegna tra sab, 11.4. e gio, 16.4.
Più di 10 pezzi in stock presso il fornitore
Spedizione gratuita a partire da 50.–

Informazioni sul prodotto

Il libro "Hyperparameter Tuning for Machine and Deep Learning with R" offre un'introduzione completa all'ottimizzazione degli iperparametri per il machine learning (ML) e il deep learning (DL). Si rivolge a professionisti del settore, nonché a ricercatori, docenti e studenti nel mondo accademico. Attraverso una varietà di esempi pratici, viene illustrato come il tuning degli iperparametri possa essere applicato nella pratica per ottenere miglioramenti significativi nell'efficienza e nell'efficacia delle metodologie ML e DL. I contenuti sono suddivisi in due parti principali: teoria e applicazione. I lettori riceveranno preziose informazioni sul funzionamento degli algoritmi ML e DL e impareranno come ottenere risultati migliori con minori costi e risorse utilizzando i metodi presentati. I casi studio sono progettati per essere eseguiti su computer desktop o notebook convenzionali, senza la necessità di supercomputer.

Le specifiche più importanti in sintesi

argomento
Tecnologia & IT
Lingua
Inglese
Anno
2022
Copertina del libro
Copertina rigida

Informazioni generali

No. di articolo
56871567
Editore
Springer
Categoria
Libro specialistico
Data di rilascio
27.3.2025

Caratteristiche del libro

argomento
Tecnologia & IT
Lingua
Inglese
Anno
2022
Copertina del libro
Copertina rigida

Contributo climatico volontario

Emissioni di CO₂
0.25 kg
Contributo climatico
CHF 0.11

30 di diritto di recesso se non aperto
Nessuna garanzia

Confronta i prodotti

Suggerimenti

Valutazioni e opinioni

Ritenuta di garanzia

La frequenza con cui un prodotto di questo marchio nella categoria «Libro specialistico» presenta un difetto nei primi 24 mesi.

Fonte: Digitec Galaxus
  • 1.Rheinwerk
    0 %
  • 1.S.Fischer
    0 %
  • 1.Springer
    0 %
  • 1.Stämpfli
    0 %
  • 1.Ullstein
    0 %

Durata della garanzia

Il tempo di elaborazione che intercorre tra l'arrivo al centro di assistenza e il recupero da parte del cliente, in media in giorni lavorativi.

Fonte: Digitec Galaxus
  • Springer
    Dati non sufficienti
  • An der Ruhr
    Dati non sufficienti
  • Anaconda
    Dati non sufficienti
  • Ariston
    Dati non sufficienti
  • Avery Publishing Group
    Dati non sufficienti

Purtroppo non disponiamo di dati sufficienti per questa categoria per mostrarti ulteriori percentuali.

Percentuale di reso

La frequenza con cui un prodotto di questo marchio nella categoria «Libro specialistico» viene restituito.

Fonte: Digitec Galaxus
  • 54.Orell Füssli
    1.1 %
  • 54.Penguin Random House
    1.1 %
  • 54.Springer
    1.1 %
  • 58.First Éditions
    1.2 %
  • 58.Pearson Education
    1.2 %
Fonte: Digitec Galaxus