Weidman Seth (44 results)

Condition: good. Befriedigend/Good: Durchschnittlich erhaltenes Buch bzw. Schutzumschlag mit Gebrauchsspuren, aber vollständigen Seiten. / Describes the average WORN book or dust jacket that has all the pages present.

Paperback. Condition: Very Good. 1. Ship within 24hrs. Satisfaction 100% guaranteed. APO/FPO addresses supported.

Condition: New.

PAP. Condition: New. New Book. Shipped from UK. Established seller since 2000.

Condition: NEW.

Condition: New. In.

Paperback / softback. Condition: New. New copy - Usually dispatched within 4 working days. 526.

Condition: As New. Unread book in perfect condition.

Paperback. Condition: New. With the resurgence of neural networks in the 2010s, deep learning has become essential for machine learning practitioners and even many software engineers. This book provides a comprehensive introduction for data scientists and software engineers with machine learning experience. You'll start with deep learning basics and move quickly to the details of important advanced architectures, implementing everything from scratch along the way.Author Seth Weidman shows you how neural networks work using a first principles approach. You'll learn how to apply multilayer neural networks, convolutional neural networks, and recurrent neural networks from the ground up. With a thorough understanding of how neural networks work mathematically, computationally, and conceptually, you'll be set up for success on all future deep learning projects.This book provides:Extremely clear and thorough mental models-accompanied by working code examples and mathematical explanations-for understanding neural networksMethods for implementing multilayer neural networks from scratch, using an easy-to-understand object-oriented frameworkWorking implementations and clear-cut explanations of convolutional and recurrent neural networksImplementation of these neural network concepts using the popular PyTorch framework.

Paperback or Softback. Condition: New. Deep Learning from Scratch: Building with Python from First Principles 0.9. Book.

Condition: New.

Paperback. Condition: New. With the resurgence of neural networks in the 2010s, deep learning has become essential for machine learning practitioners and even many software engineers. This book provides a comprehensive introduction for data scientists and software engineers with machine learning experience. You'll start with deep learning basics and move quickly to the details of important advanced architectures, implementing everything from scratch along the way.Author Seth Weidman shows you how neural networks work using a first principles approach. You'll learn how to apply multilayer neural networks, convolutional neural networks, and recurrent neural networks from the ground up. With a thorough understanding of how neural networks work mathematically, computationally, and conceptually, you'll be set up for success on all future deep learning projects.This book provides:Extremely clear and thorough mental models-accompanied by working code examples and mathematical explanations-for understanding neural networksMethods for implementing multilayer neural networks from scratch, using an easy-to-understand object-oriented frameworkWorking implementations and clear-cut explanations of convolutional and recurrent neural networksImplementation of these neural network concepts using the popular PyTorch framework.

Condition: New.

Condition: New.

Paperback. Condition: new. Paperback. With the resurgence of neural networks in the 2010s, deep learning has become essential for machine learning practitioners and even many software engineers. This book provides a comprehensive introduction for data scientists and software engineers with machine learning experience. Youll start with deep learning basics and move quickly to the details of important advanced architectures, implementing everything from scratch along the way.Author Seth Weidman shows you how neural networks work using a first principles approach. Youll learn how to apply multilayer neural networks, convolutional neural networks, and recurrent neural networks from the ground up. With a thorough understanding of how neural networks work mathematically, computationally, and conceptually, youll be set up for success on all future deep learning projects.This book provides:Extremely clear and thorough mental modelsaccompanied by working code examples and mathematical explanationsfor understanding neural networksMethods for implementing multilayer neural networks from scratch, using an easy-to-understand object-oriented frameworkWorking implementations and clear-cut explanations of convolutional and recurrent neural networksImplementation of these neural network concepts using the popular PyTorch frameworkAbout the AuthorSeth is a data scientist who lives in San Francisco. He has been obsessed with understanding Deep Learning ever since he began learning about it in late 2016 and has been writing and speaking about it whenever he can ever since. Professionally, he has applied a variety of machine learning models in industry, taught data science to individuals and companies, and works on modeling and Python projects on the side. Full time, he teaches data science to companies via the Corporate Training team at Metis. He strives to find the simplicity on the other side of complexity. With the resurgence of neural networks in the 2010s, deep learning has become essential for machine learning practitioners and even many software engineers. This book provides a comprehensive introduction for data scientists and software engineers with machine learning experience. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.

Taschenbuch. Condition: Neu. Neuware -Grundprinzipien und Konzepte neuronaler Netze systematisch und verständlich erklärt.

Taschenbuch. Condition: Neu. Neuware -Grundprinzipien und Konzepte neuronaler Netze systematisch und verständlich erklärt Deep-Learning-Grundlagen für Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning Implementierung der Deep-Learning-Konzepte mit dem beliebten Framework PyTorch Zahlreiche Codebeispiele in Python verdeutlichen die konkrete Umsetzung Dieses Buch vermittelt Ihnen das konzeptionelle und praktische Rüstzeug, um ein tiefes Verständnis für die Funktionsweise neuronaler Netze zu bekommen. Sie lernen die Grundprinzipien des Deep Learning kennen, zu deren Veranschaulichung Seth Weidman gut nachvollziehbare Konzeptmodelle entwickelt hat, die von Codebeispielen begleitet werden. Das Buch eignet sich für Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning. Sie beginnen mit den Basics des Deep Learning und gelangen schnell zu den Details fortgeschrittener Architekturen, indem Sie deren Aufbau von Grund auf neu implementieren. Dabei lernen Sie mehrschichtige neuronale Netze wie Convolutional und Recurrent Neural Networks kennen. Diese neuronalen Netzwerkkonzepte setzen Sie dann mit dem beliebten Framework PyTorch praktisch um. Auf diese Weise bauen Sie ein fundiertes Wissen darüber auf, wie neuronale Netze mathematisch, rechnerisch und konzeptionell funktionieren. 235 pp. Deutsch.

Taschenbuch. Condition: Neu. Neuware -Grundprinzipien und Konzepte neuronaler Netze systematisch und verständlich erklärt Deep-Learning-Grundlagen für Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning Implementierung der Deep-Learning-Konzepte mit dem beliebten Framework PyTorch Zahlreiche Codebeispiele in Python verdeutlichen die konkrete Umsetzung Dieses Buch vermittelt Ihnen das konzeptionelle und praktische Rüstzeug, um ein tiefes Verständnis für die Funktionsweise neuronaler Netze zu bekommen. Sie lernen die Grundprinzipien des Deep Learning kennen, zu deren Veranschaulichung Seth Weidman gut nachvollziehbare Konzeptmodelle entwickelt hat, die von Codebeispielen begleitet werden. Das Buch eignet sich für Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning. Sie beginnen mit den Basics des Deep Learning und gelangen schnell zu den Details fortgeschrittener Architekturen, indem Sie deren Aufbau von Grund auf neu implementieren. Dabei lernen Sie mehrschichtige neuronale Netze wie Convolutional und Recurrent Neural Networks kennen. Diese neuronalen Netzwerkkonzepte setzen Sie dann mit dem beliebten Framework PyTorch praktisch um. Auf diese Weise bauen Sie ein fundiertes Wissen darüber auf, wie neuronale Netze mathematisch, rechnerisch und konzeptionell funktionieren. 235 pp. Deutsch.

Condition: New. 2019. Paperback. . . . . .

Condition: New. 2019. Paperback. . . . . . Books ship from the US and Ireland.

Condition: Good. Item in good condition. Textbooks may not include supplemental items i.e. CDs, access codes etc.

Taschenbuch. Condition: Neu. Neuware - Grundprinzipien und Konzepte neuronaler Netze systematisch und verständlich erklärt Deep-Learning-Grundlagen für Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning Implementierung der Deep-Learning-Konzepte mit dem beliebten Framework PyTorch Zahlreiche Codebeispiele in Python verdeutlichen die konkrete Umsetzung Dieses Buch vermittelt Ihnen das konzeptionelle und praktische Rüstzeug, um ein tiefes Verständnis für die Funktionsweise neuronaler Netze zu bekommen. Sie lernen die Grundprinzipien des Deep Learning kennen, zu deren Veranschaulichung Seth Weidman gut nachvollziehbare Konzeptmodelle entwickelt hat, die von Codebeispielen begleitet werden. Das Buch eignet sich für Data Scientists und Softwareentwickler mit Erfahrung im Machine Learning. Sie beginnen mit den Basics des Deep Learning und gelangen schnell zu den Details fortgeschrittener Architekturen, indem Sie deren Aufbau von Grund auf neu implementieren. Dabei lernen Sie mehrschichtige neuronale Netze wie Convolutional und Recurrent Neural Networks kennen. Diese neuronalen Netzwerkkonzepte setzen Sie dann mit dem beliebten Framework PyTorch praktisch um. Auf diese Weise bauen Sie ein fundiertes Wissen darüber auf, wie neuronale Netze mathematisch, rechnerisch und konzeptionell funktionieren.

Condition: As New. Unread book in perfect condition.

Paperback. Condition: Brand New. German language. 9.45x6.54x0.59 inches. In Stock.

Condition: New.

Taschenbuch. Condition: Neu. Neuware -Grundprinzipien und Konzepte neuronaler Netze systematisch und verständlich erklärtdpunkt.Verlag, Wieblinger Weg 17, 69123 Heidelberg 235 pp. Deutsch.

Paperback. Condition: Brand New. 235 pages. 9.00x7.00x0.50 inches. In Stock.

Condition: new.

Taschenbuch. Condition: Neu. Neuware - With the resurgence of neural networks in the 2010s, deep learning has become essential for machine learning practitioners and even many software engineers. This book provides a comprehensive introduction for data scientists and software engineers with machine learning experience. You'll start with deep learning basics and move quickly to the details of important advanced architectures, implementing everything from scratch along the way.

Kartoniert / Broschiert. Condition: New. With the resurgence of neural networks in the 2010s, deep learning has become essential for machine learning practitioners and even many software engineers. This book provides a comprehensive introduction for data scientists and software engineers with mach.