| Publikationstyp: | Buch |
| Art der Begutachtung: | Editorial review |
| Titel: | Applied deep learning : a case-based approach to understanding deep neural networks |
| Autor/-in: | Michelucci, Umberto |
| DOI: | 10.1007/978-1-4842-3790-8 |
| Umfang: | 450 |
| Erscheinungsdatum: | 2018 |
| Ausgabe: | 1. Auflage |
| Verlag / Hrsg. Institution: | Apress |
| Verlag / Hrsg. Institution: | New York |
| ISBN: | 978-1-4842-3789-2 978-1-4842-3790-8 |
| Sprache: | Englisch |
| Schlagwörter: | Deep Learning; Machine Learning; Python; TensorFlow; Neural Networks; Keras |
| Fachgebiet (DDC): | 006: Spezielle Computerverfahren |
| URI: | https://digitalcollection.zhaw.ch/handle/11475/16484 |
| Volltext Version: | Publizierte Version |
| Lizenz (gemäss Verlagsvertrag): | Lizenz gemäss Verlagsvertrag |
| Departement: | Life Sciences und Facility Management |
| Organisationseinheit: | Institut für Computational Life Sciences (ICLS) |
| Enthalten in den Sammlungen: | Publikationen Life Sciences und Facility Management |
Dateien zu dieser Ressource:
Es gibt keine Dateien zu dieser Ressource.
Zur Langanzeige
Michelucci, U. (2018). Applied deep learning : a case-based approach to understanding deep neural networks (1. Auflage). Apress. https://doi.org/10.1007/978-1-4842-3790-8
Michelucci, U. (2018) Applied deep learning : a case-based approach to understanding deep neural networks. 1. Auflage. New York: Apress. Available at: https://doi.org/10.1007/978-1-4842-3790-8.
U. Michelucci, Applied deep learning : a case-based approach to understanding deep neural networks, 1. Auflage. New York: Apress, 2018. doi: 10.1007/978-1-4842-3790-8.
MICHELUCCI, Umberto, 2018. Applied deep learning : a case-based approach to understanding deep neural networks. 1. Auflage. New York: Apress. ISBN 978-1-4842-3789-2
Michelucci, Umberto. 2018. Applied Deep Learning : A Case-Based Approach to Understanding Deep Neural Networks. 1. Auflage. New York: Apress. https://doi.org/10.1007/978-1-4842-3790-8.
Michelucci, Umberto. Applied Deep Learning : A Case-Based Approach to Understanding Deep Neural Networks. 1. Auflage, Apress, 2018, https://doi.org/10.1007/978-1-4842-3790-8.
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt, soweit nicht anderweitig angezeigt.