Deep Learning
eBook - ePub

Deep Learning

A Beginners' Guide

Dulani Meedeniya

  1. 184 pages
  2. English
  3. ePUB (adapté aux mobiles)
  4. Disponible sur iOS et Android
eBook - ePub

Deep Learning

A Beginners' Guide

Dulani Meedeniya

DĂ©tails du livre
Table des matiĂšres
Citations

À propos de ce livre

This book focuses on deep learning (DL), which is an important aspect of data science, that includes predictive modeling. DL applications are widely used in domains such as finance, transport, healthcare, automanufacturing, and advertising. The design of the DL models based on artificial neural networks is influenced by the structure and operation of the brain. This book presents a comprehensive resource for those who seek a solid grasp of the techniques in DL.

Key features:

  • Provides knowledge on theory and design of state-of-the-art deep learning models for real-world applications
  • Explains the concepts and terminology in problem-solving with deep learning
  • Explores the theoretical basis for major algorithms and approaches in deep learning
  • Discusses the enhancement techniques of deep learning models
  • Identifies the performance evaluation techniques for deep learning models

Accordingly, the book covers the entire process flow of deep learning by providing awareness of each of the widely used models. This book can be used as a beginners' guide where the user can understand the associated concepts and techniques. This book will be a useful resource for undergraduate and postgraduate students, engineers, and researchers, who are starting to learn the subject of deep learning.

Foire aux questions

Comment puis-je résilier mon abonnement ?
Il vous suffit de vous rendre dans la section compte dans paramĂštres et de cliquer sur « RĂ©silier l’abonnement ». C’est aussi simple que cela ! Une fois que vous aurez rĂ©siliĂ© votre abonnement, il restera actif pour le reste de la pĂ©riode pour laquelle vous avez payĂ©. DĂ©couvrez-en plus ici.
Puis-je / comment puis-je télécharger des livres ?
Pour le moment, tous nos livres en format ePub adaptĂ©s aux mobiles peuvent ĂȘtre tĂ©lĂ©chargĂ©s via l’application. La plupart de nos PDF sont Ă©galement disponibles en tĂ©lĂ©chargement et les autres seront tĂ©lĂ©chargeables trĂšs prochainement. DĂ©couvrez-en plus ici.
Quelle est la différence entre les formules tarifaires ?
Les deux abonnements vous donnent un accĂšs complet Ă  la bibliothĂšque et Ă  toutes les fonctionnalitĂ©s de Perlego. Les seules diffĂ©rences sont les tarifs ainsi que la pĂ©riode d’abonnement : avec l’abonnement annuel, vous Ă©conomiserez environ 30 % par rapport Ă  12 mois d’abonnement mensuel.
Qu’est-ce que Perlego ?
Nous sommes un service d’abonnement Ă  des ouvrages universitaires en ligne, oĂč vous pouvez accĂ©der Ă  toute une bibliothĂšque pour un prix infĂ©rieur Ă  celui d’un seul livre par mois. Avec plus d’un million de livres sur plus de 1 000 sujets, nous avons ce qu’il vous faut ! DĂ©couvrez-en plus ici.
Prenez-vous en charge la synthÚse vocale ?
Recherchez le symbole Écouter sur votre prochain livre pour voir si vous pouvez l’écouter. L’outil Écouter lit le texte Ă  haute voix pour vous, en surlignant le passage qui est en cours de lecture. Vous pouvez le mettre sur pause, l’accĂ©lĂ©rer ou le ralentir. DĂ©couvrez-en plus ici.
Est-ce que Deep Learning est un PDF/ePUB en ligne ?
Oui, vous pouvez accĂ©der Ă  Deep Learning par Dulani Meedeniya en format PDF et/ou ePUB ainsi qu’à d’autres livres populaires dans Informatik et Data Mining. Nous disposons de plus d’un million d’ouvrages Ă  dĂ©couvrir dans notre catalogue.

Informations

Année
2023
ISBN
9781000924060
Édition
1
Sous-sujet
Data Mining

Table des matiĂšres

  1. Cover
  2. Half Title
  3. Title Page
  4. Copyright Page
  5. Table of Contents
  6. Preface
  7. Acknowledgements
  8. List of Abbreviations
  9. 1 Introduction
  10. 2 Concepts and Terminology
  11. 3 State-of-the-Art Deep Learning Models: Part I
  12. 4 State-of-the-Art Deep Learning Models: Part II
  13. 5 Advanced Learning Techniques
  14. 6 Enhancement of Deep Learning Architectures
  15. 7 Performance Evaluation Techniques
  16. Appendix – Frequently Asked Questions
  17. References
  18. Index