Hyperparameter Tuning for Machine and Deep Learning with R
Inglese, 2022Più di 10 pezzi in stock presso il fornitore
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.
argomento | Tecnologia & IT |
Lingua | Inglese |
Anno | 2022 |
Copertina del libro | Copertina rigida |
No. di articolo | 56871567 |
Editore | Springer |
Categoria | Libro specialistico |
Data di rilascio | 27.3.2025 |
argomento | Tecnologia & IT |
Lingua | Inglese |
Anno | 2022 |
Copertina del libro | Copertina rigida |
Emissioni di CO₂ | 0.25 kg |
Contributo climatico | CHF 0.11 |
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.Rheinwerk0 %
- 1.S.Fischer0 %
- 1.Springer0 %
- 1.Stämpfli0 %
- 1.Ullstein0 %
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- SpringerDati non sufficienti
- An der RuhrDati non sufficienti
- AnacondaDati non sufficienti
- AristonDati non sufficienti
- Avery Publishing GroupDati 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 Füssli1.1 %
- 54.Penguin Random House1.1 %
- 54.Springer1.1 %
- 58.First Éditions1.2 %
- 58.Pearson Education1.2 %