|
|
|
|
LEADER |
05020cam a2200613 4500 |
001 |
183-1696847753 |
003 |
DE-627 |
005 |
20230529213129.0 |
007 |
cr uuu---uuuuu |
008 |
200429s2018 xx |||||o 00| ||ger c |
020 |
|
|
|a 9783958457010
|9 978-3-95845-701-0
|
035 |
|
|
|a (DE-627)1696847753
|
035 |
|
|
|a (DE-599)KEP03829883X
|
035 |
|
|
|a (EBL)EBL5598176
|
035 |
|
|
|a (EBC)EBC5598176
|
035 |
|
|
|a (EBP)03829883X
|
040 |
|
|
|a DE-627
|b ger
|c DE-627
|e rda
|
041 |
|
|
|a ger
|
082 |
0 |
|
|a 006.31
|
084 |
|
|
|a ST 300
|q SEPA
|2 rvk
|0 (DE-625)rvk/143650:
|
084 |
|
|
|a 54.72
|2 bkl
|
100 |
1 |
|
|a Goodfellow, Ian
|d 1987-
|e VerfasserIn
|0 (DE-588)112365512X
|0 (DE-627)877327394
|0 (DE-576)481865705
|4 aut
|
245 |
1 |
0 |
|a Deep Learning
|b Das umfassende Handbuch : Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze
|c Ian Goodfellow, Yoshua Bengio, Aaron Courville; Übersetzung aus dem Amerikanischen von Guido Lenz
|
250 |
|
|
|a 1st edition
|
264 |
|
1 |
|a Frechen
|b mitp
|c 2018
|
264 |
|
4 |
|c ©2018
|
300 |
|
|
|a 1 Online-Ressource (XXII, 883 Seiten)
|
336 |
|
|
|a Text
|b txt
|2 rdacontent
|
337 |
|
|
|a Computermedien
|b c
|2 rdamedia
|
338 |
|
|
|a Online-Ressource
|b cr
|2 rdacarrier
|
490 |
0 |
|
|a mitp Professional
|
500 |
|
|
|a Description based on publisher supplied metadata and other sources
|
520 |
|
|
|a Intro -- Impressum -- Website zum Buch -- Danksagung -- Über die Fachkorrektoren zur deutschen Ausgabe -- Notation -- Einleitung -- Für wen ist dieses Buch gedacht? -- Historische Entwicklungen im Deep Learning -- I Angewandte Mathematik und Grundlagen für das Machine Learning -- Lineare Algebra -- Skalare, Vektoren, Matrizen und Tensoren -- Multiplizieren von Matrizen und Vektoren -- Einheits- und Umkehrmatrizen -- Lineare Abhängigkeit und lineare Hülle -- Normen -- Spezielle Matrizen und Vektoren -- Eigenwertzerlegung -- Singulärwertzerlegung -- Die Moore-Penrose-Pseudoinverse -- Der Spuroperator -- Die Determinante -- Beispiel: Hauptkomponentenanalyse -- Wahrscheinlichkeits- und Informationstheorie -- Warum Wahrscheinlichkeit? -- Zufallsvariablen -- Wahrscheinlichkeitsverteilungen -- Randwahrscheinlichkeit -- Bedingte Wahrscheinlichkeit -- Die Produktregel der bedingten Wahrscheinlichkeiten -- Unabhängigkeit und bedingte Unabhängigkeit -- Erwartungswert, Varianz und Kovarianz -- Häufig genutzte Wahrscheinlichkeitsverteilungen -- Nützliche Eigenschaften häufig verwendeter Funktionen -- Satz von Bayes -- Technische Einzelheiten stetiger Variablen -- Informationstheorie -- Strukturierte probabilistische Modelle -- Numerische Berechnung -- Überlauf und Unterlauf -- Schlechte Konditionierung -- Optimierung auf Gradientenbasis -- Optimierung unter Nebenbedingungen -- Beispiel: Lineare kleinste Quadrate -- Grundlagen für das Machine Learning -- Lernalgorithmen -- Kapazität, Überanpassung und Unteranpassung -- Hyperparameter und Validierungsdaten -- Schätzer, Verzerrung und Varianz -- Maximum-Likelihood-Schätzung -- Bayessche Statistik -- Algorithmen für überwachtes Lernen -- Algorithmen für unüberwachtes Lernen -- Stochastisches Gradientenabstiegsverfahren -- Entwickeln eines Machine-Learning-Algorithmus -- Probleme, an denen Deep Learning wächst.
|
650 |
|
4 |
|a Machine learning
|
650 |
|
4 |
|a Electronic books
|
689 |
0 |
0 |
|D s
|0 (DE-588)1135597375
|0 (DE-627)890512922
|0 (DE-576)489847412
|a Deep learning
|2 gnd
|
689 |
0 |
|
|5 DE-101
|
689 |
1 |
0 |
|D s
|0 (DE-588)1135597375
|0 (DE-627)890512922
|0 (DE-576)489847412
|a Deep learning
|2 gnd
|
689 |
1 |
1 |
|D s
|0 (DE-588)4193754-5
|0 (DE-627)105224782
|0 (DE-576)21008944X
|a Maschinelles Lernen
|2 gnd
|
689 |
1 |
|
|5 (DE-627)
|
700 |
1 |
|
|a Bengio, Yoshua
|e VerfasserIn
|0 (DE-588)1126443166
|0 (DE-627)880916370
|0 (DE-576)174970420
|4 aut
|
700 |
1 |
|
|a Courville, Aaron
|e VerfasserIn
|0 (DE-588)1171761546
|0 (DE-627)1040703402
|0 (DE-576)513847170
|4 aut
|
700 |
1 |
|
|a Lenz, Guido
|e ÜbersetzerIn
|4 trl
|
776 |
1 |
|
|z 9783958457003
|
776 |
0 |
8 |
|i Erscheint auch als
|n Druck-Ausgabe
|a Goodfellow, Ian, 1987 -
|t Deep Learning
|b 1. Auflage
|d Frechen : mitp, 2018
|h xxii, 883 Seiten
|w (DE-627)1633735990
|w (DE-576)49992505X
|z 9783958457003
|z 3958457002
|
856 |
4 |
0 |
|u https://ebookcentral.proquest.com/lib/kxp/detail.action?docID=5598176
|m X:EBC
|x Aggregator
|
912 |
0 |
|
|a ZDB-30-PQE
|
924 |
1 |
|
|a 3974879919
|b DE-27
|9 27
|c GBV
|d d
|k https://ebookcentral.proquest.com/lib/thulbjena/detail.action?docID=5598176
|l G
|
924 |
1 |
|
|a 4184359140
|b DE-Wis1
|9 Wis 1
|c GBV
|d d
|k https://ebookcentral.proquest.com/lib/hswismar-ebooks/detail.action?docID=6947710
|
924 |
1 |
|
|a 3811788256
|b DE-Kon4
|9 Kon 4
|c BSZ
|d d
|g eBook ebcentral
|k https://ebookcentral.proquest.com/lib/htwg-konstanz/detail.action?docID=5598176
|l Zum Online-Dokument
|l Nur aus dem Campusnetz erreichbar
|
936 |
r |
v |
|a ST 300
|b Allgemeines
|k Informatik
|k Monografien
|k Künstliche Intelligenz
|k Allgemeines
|0 (DE-627)1271119005
|0 (DE-625)rvk/143650:
|0 (DE-576)201119005
|
936 |
b |
k |
|a 54.72
|j Künstliche Intelligenz
|q SEPA
|0 (DE-627)10641240X
|
951 |
|
|
|a BO
|
980 |
|
|
|a 1696847753
|b 183
|c sid-183-col-kxpbbi
|
SOLR
_version_ |
1797788760595759104 |
author |
Goodfellow, Ian, Bengio, Yoshua, Courville, Aaron |
author2 |
Lenz, Guido |
author2_role |
trl |
author2_variant |
g l gl |
author_facet |
Goodfellow, Ian, Bengio, Yoshua, Courville, Aaron, Lenz, Guido |
author_role |
aut, aut, aut |
author_sort |
Goodfellow, Ian 1987- |
author_variant |
i g ig, y b yb, a c ac |
building |
Library A |
collection |
ZDB-30-PQE, sid-183-col-kxpbbi |
contents |
Intro -- Impressum -- Website zum Buch -- Danksagung -- Über die Fachkorrektoren zur deutschen Ausgabe -- Notation -- Einleitung -- Für wen ist dieses Buch gedacht? -- Historische Entwicklungen im Deep Learning -- I Angewandte Mathematik und Grundlagen für das Machine Learning -- Lineare Algebra -- Skalare, Vektoren, Matrizen und Tensoren -- Multiplizieren von Matrizen und Vektoren -- Einheits- und Umkehrmatrizen -- Lineare Abhängigkeit und lineare Hülle -- Normen -- Spezielle Matrizen und Vektoren -- Eigenwertzerlegung -- Singulärwertzerlegung -- Die Moore-Penrose-Pseudoinverse -- Der Spuroperator -- Die Determinante -- Beispiel: Hauptkomponentenanalyse -- Wahrscheinlichkeits- und Informationstheorie -- Warum Wahrscheinlichkeit? -- Zufallsvariablen -- Wahrscheinlichkeitsverteilungen -- Randwahrscheinlichkeit -- Bedingte Wahrscheinlichkeit -- Die Produktregel der bedingten Wahrscheinlichkeiten -- Unabhängigkeit und bedingte Unabhängigkeit -- Erwartungswert, Varianz und Kovarianz -- Häufig genutzte Wahrscheinlichkeitsverteilungen -- Nützliche Eigenschaften häufig verwendeter Funktionen -- Satz von Bayes -- Technische Einzelheiten stetiger Variablen -- Informationstheorie -- Strukturierte probabilistische Modelle -- Numerische Berechnung -- Überlauf und Unterlauf -- Schlechte Konditionierung -- Optimierung auf Gradientenbasis -- Optimierung unter Nebenbedingungen -- Beispiel: Lineare kleinste Quadrate -- Grundlagen für das Machine Learning -- Lernalgorithmen -- Kapazität, Überanpassung und Unteranpassung -- Hyperparameter und Validierungsdaten -- Schätzer, Verzerrung und Varianz -- Maximum-Likelihood-Schätzung -- Bayessche Statistik -- Algorithmen für überwachtes Lernen -- Algorithmen für unüberwachtes Lernen -- Stochastisches Gradientenabstiegsverfahren -- Entwickeln eines Machine-Learning-Algorithmus -- Probleme, an denen Deep Learning wächst. |
ctrlnum |
(DE-627)1696847753, (DE-599)KEP03829883X, (EBL)EBL5598176, (EBC)EBC5598176, (EBP)03829883X |
dewey-full |
006.31 |
dewey-hundreds |
000 - Computer science, information, general works |
dewey-ones |
006 - Special computer methods |
dewey-raw |
006.31 |
dewey-search |
006.31 |
dewey-sort |
16.31 |
dewey-tens |
000 - Computer science, information, general works |
edition |
1st edition |
facet_912a |
ZDB-30-PQE |
facet_avail |
Online |
facet_local_del330 |
Deep learning, Maschinelles Lernen |
finc_class_facet |
Informatik |
fincclass_txtF_mv |
science-computerscience |
footnote |
Description based on publisher supplied metadata and other sources |
format |
eBook |
format_access_txtF_mv |
Book, E-Book |
format_de105 |
Ebook |
format_de14 |
Book, E-Book |
format_de15 |
Book, E-Book |
format_del152 |
Buch |
format_detail_txtF_mv |
text-online-monograph-independent |
format_dezi4 |
e-Book |
format_finc |
Book, E-Book |
format_legacy |
ElectronicBook |
format_legacy_nrw |
Book, E-Book |
format_nrw |
Book, E-Book |
format_strict_txtF_mv |
E-Book |
geogr_code |
not assigned |
geogr_code_person |
not assigned |
id |
183-1696847753 |
illustrated |
Not Illustrated |
imprint |
Frechen, mitp, 2018 |
imprint_str_mv |
Frechen: mitp, 2018 |
institution |
FID-BBI-DE-23 |
is_hierarchy_id |
|
is_hierarchy_title |
|
isbn |
9783958457010 |
isbn_isn_mv |
9783958457003, 3958457002 |
language |
German |
last_indexed |
2024-04-30T19:22:45.948Z |
marc_error |
[geogr_code]Unable to make public java.lang.AbstractStringBuilder java.lang.AbstractStringBuilder.append(java.lang.String) accessible: module java.base does not "opens java.lang" to unnamed module @64e01542 |
match_str |
goodfellow2018deeplearningdasumfassendehandbuchgrundlagenaktuelleverfahrenundalgorithmenneueforschungsansatze |
mega_collection |
K10plus Verbundkatalog |
physical |
1 Online-Ressource (XXII, 883 Seiten) |
publishDate |
2018, , ©2018 |
publishDateSort |
2018 |
publishPlace |
Frechen, |
publisher |
mitp, |
record_format |
marcfinc |
record_id |
1696847753 |
recordtype |
marcfinc |
rvk_facet |
ST 300 |
rvk_label |
Informatik, Monografien, Künstliche Intelligenz, Allgemeines |
rvk_path |
ST, SQ - SU, ST 300, ST 300 - ST 308 |
rvk_path_str_mv |
ST, SQ - SU, ST 300, ST 300 - ST 308 |
series2 |
mitp Professional |
source_id |
183 |
spelling |
Goodfellow, Ian 1987- VerfasserIn (DE-588)112365512X (DE-627)877327394 (DE-576)481865705 aut, Deep Learning Das umfassende Handbuch : Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze Ian Goodfellow, Yoshua Bengio, Aaron Courville; Übersetzung aus dem Amerikanischen von Guido Lenz, 1st edition, Frechen mitp 2018, ©2018, 1 Online-Ressource (XXII, 883 Seiten), Text txt rdacontent, Computermedien c rdamedia, Online-Ressource cr rdacarrier, mitp Professional, Description based on publisher supplied metadata and other sources, Intro -- Impressum -- Website zum Buch -- Danksagung -- Über die Fachkorrektoren zur deutschen Ausgabe -- Notation -- Einleitung -- Für wen ist dieses Buch gedacht? -- Historische Entwicklungen im Deep Learning -- I Angewandte Mathematik und Grundlagen für das Machine Learning -- Lineare Algebra -- Skalare, Vektoren, Matrizen und Tensoren -- Multiplizieren von Matrizen und Vektoren -- Einheits- und Umkehrmatrizen -- Lineare Abhängigkeit und lineare Hülle -- Normen -- Spezielle Matrizen und Vektoren -- Eigenwertzerlegung -- Singulärwertzerlegung -- Die Moore-Penrose-Pseudoinverse -- Der Spuroperator -- Die Determinante -- Beispiel: Hauptkomponentenanalyse -- Wahrscheinlichkeits- und Informationstheorie -- Warum Wahrscheinlichkeit? -- Zufallsvariablen -- Wahrscheinlichkeitsverteilungen -- Randwahrscheinlichkeit -- Bedingte Wahrscheinlichkeit -- Die Produktregel der bedingten Wahrscheinlichkeiten -- Unabhängigkeit und bedingte Unabhängigkeit -- Erwartungswert, Varianz und Kovarianz -- Häufig genutzte Wahrscheinlichkeitsverteilungen -- Nützliche Eigenschaften häufig verwendeter Funktionen -- Satz von Bayes -- Technische Einzelheiten stetiger Variablen -- Informationstheorie -- Strukturierte probabilistische Modelle -- Numerische Berechnung -- Überlauf und Unterlauf -- Schlechte Konditionierung -- Optimierung auf Gradientenbasis -- Optimierung unter Nebenbedingungen -- Beispiel: Lineare kleinste Quadrate -- Grundlagen für das Machine Learning -- Lernalgorithmen -- Kapazität, Überanpassung und Unteranpassung -- Hyperparameter und Validierungsdaten -- Schätzer, Verzerrung und Varianz -- Maximum-Likelihood-Schätzung -- Bayessche Statistik -- Algorithmen für überwachtes Lernen -- Algorithmen für unüberwachtes Lernen -- Stochastisches Gradientenabstiegsverfahren -- Entwickeln eines Machine-Learning-Algorithmus -- Probleme, an denen Deep Learning wächst., Machine learning, Electronic books, s (DE-588)1135597375 (DE-627)890512922 (DE-576)489847412 Deep learning gnd, DE-101, s (DE-588)4193754-5 (DE-627)105224782 (DE-576)21008944X Maschinelles Lernen gnd, (DE-627), Bengio, Yoshua VerfasserIn (DE-588)1126443166 (DE-627)880916370 (DE-576)174970420 aut, Courville, Aaron VerfasserIn (DE-588)1171761546 (DE-627)1040703402 (DE-576)513847170 aut, Lenz, Guido ÜbersetzerIn trl, 9783958457003, Erscheint auch als Druck-Ausgabe Goodfellow, Ian, 1987 - Deep Learning 1. Auflage Frechen : mitp, 2018 xxii, 883 Seiten (DE-627)1633735990 (DE-576)49992505X 9783958457003 3958457002, https://ebookcentral.proquest.com/lib/kxp/detail.action?docID=5598176 X:EBC Aggregator |
spellingShingle |
Goodfellow, Ian, Bengio, Yoshua, Courville, Aaron, Deep Learning: Das umfassende Handbuch : Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze, Intro -- Impressum -- Website zum Buch -- Danksagung -- Über die Fachkorrektoren zur deutschen Ausgabe -- Notation -- Einleitung -- Für wen ist dieses Buch gedacht? -- Historische Entwicklungen im Deep Learning -- I Angewandte Mathematik und Grundlagen für das Machine Learning -- Lineare Algebra -- Skalare, Vektoren, Matrizen und Tensoren -- Multiplizieren von Matrizen und Vektoren -- Einheits- und Umkehrmatrizen -- Lineare Abhängigkeit und lineare Hülle -- Normen -- Spezielle Matrizen und Vektoren -- Eigenwertzerlegung -- Singulärwertzerlegung -- Die Moore-Penrose-Pseudoinverse -- Der Spuroperator -- Die Determinante -- Beispiel: Hauptkomponentenanalyse -- Wahrscheinlichkeits- und Informationstheorie -- Warum Wahrscheinlichkeit? -- Zufallsvariablen -- Wahrscheinlichkeitsverteilungen -- Randwahrscheinlichkeit -- Bedingte Wahrscheinlichkeit -- Die Produktregel der bedingten Wahrscheinlichkeiten -- Unabhängigkeit und bedingte Unabhängigkeit -- Erwartungswert, Varianz und Kovarianz -- Häufig genutzte Wahrscheinlichkeitsverteilungen -- Nützliche Eigenschaften häufig verwendeter Funktionen -- Satz von Bayes -- Technische Einzelheiten stetiger Variablen -- Informationstheorie -- Strukturierte probabilistische Modelle -- Numerische Berechnung -- Überlauf und Unterlauf -- Schlechte Konditionierung -- Optimierung auf Gradientenbasis -- Optimierung unter Nebenbedingungen -- Beispiel: Lineare kleinste Quadrate -- Grundlagen für das Machine Learning -- Lernalgorithmen -- Kapazität, Überanpassung und Unteranpassung -- Hyperparameter und Validierungsdaten -- Schätzer, Verzerrung und Varianz -- Maximum-Likelihood-Schätzung -- Bayessche Statistik -- Algorithmen für überwachtes Lernen -- Algorithmen für unüberwachtes Lernen -- Stochastisches Gradientenabstiegsverfahren -- Entwickeln eines Machine-Learning-Algorithmus -- Probleme, an denen Deep Learning wächst., Machine learning, Electronic books, Deep learning, Maschinelles Lernen |
title |
Deep Learning: Das umfassende Handbuch : Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze |
title_auth |
Deep Learning Das umfassende Handbuch : Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze |
title_full |
Deep Learning Das umfassende Handbuch : Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze Ian Goodfellow, Yoshua Bengio, Aaron Courville; Übersetzung aus dem Amerikanischen von Guido Lenz |
title_fullStr |
Deep Learning Das umfassende Handbuch : Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze Ian Goodfellow, Yoshua Bengio, Aaron Courville; Übersetzung aus dem Amerikanischen von Guido Lenz |
title_full_unstemmed |
Deep Learning Das umfassende Handbuch : Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze Ian Goodfellow, Yoshua Bengio, Aaron Courville; Übersetzung aus dem Amerikanischen von Guido Lenz |
title_short |
Deep Learning |
title_sort |
deep learning das umfassende handbuch : grundlagen, aktuelle verfahren und algorithmen, neue forschungsansätze |
title_sub |
Das umfassende Handbuch : Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze |
title_unstemmed |
Deep Learning: Das umfassende Handbuch : Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze |
topic |
Machine learning, Electronic books, Deep learning, Maschinelles Lernen |
topic_facet |
Machine learning, Electronic books, Deep learning, Maschinelles Lernen |
url |
https://ebookcentral.proquest.com/lib/kxp/detail.action?docID=5598176 |
work_keys_str_mv |
AT goodfellowian deeplearningdasumfassendehandbuchgrundlagenaktuelleverfahrenundalgorithmenneueforschungsansatze, AT bengioyoshua deeplearningdasumfassendehandbuchgrundlagenaktuelleverfahrenundalgorithmenneueforschungsansatze, AT courvilleaaron deeplearningdasumfassendehandbuchgrundlagenaktuelleverfahrenundalgorithmenneueforschungsansatze, AT lenzguido deeplearningdasumfassendehandbuchgrundlagenaktuelleverfahrenundalgorithmenneueforschungsansatze |