Image from OpenLibrary

Python deep learning : Introducción práctica con keras y tensorflow 2 / Jordi Torres ¡Viñals

By: Material type: TextTextPublication details: Bogotá : Alpha Editorial/Alphaomega Colombiana |a Madrid, 2020Description: 384 páginas : il. ; 17 x 24 cmISBN:
  • 978-958-778-640-8 (pasta rústica)
Subject(s): DDC classification:
  • 006.31 T693p 2020
Contents:
Prefacio -- Acerca de este libro -- Parte 1: Introducción -- Capítulo 1. ¿Qué es el Deep Learning? -- Capítulo 2. Entorno de trabajo -- Capítulo 3. Python y sus librerías -- Parte 2: Fundamentos del deep learning -- Capítulo 4. Redes neuronales densamente conectadas -- Capítulo 5. Redes neuronales en Keras -- Capítulo 6. Cómo se entrena una red neuronal -- Capítulo 7. Parámetros e hiperparámetros en redes neuronales -- Capítulo 8. Redes neuronales convolucionales -- Parte 3: Técnicas del deep learning -- Capítulo 9. Etapas de un proyecto Deep Learning -- Capítulo 10. Datos para entrenar redes neuronales -- Capítulo 11. Data Augmentation y Transfer Learning -- Capítulo 12. Arquitecturas avanzadas de redes neuronales -- Parte 4: Deep learning generativo -- Capítulo 13. Redes neuronales recurrentes -- Capítulo 14. Generative Adversarial Networks – Clausura -- Apéndices.
Tags from this library: No tags from this library for this title. Log in to add tags.
Star ratings
    Average rating: 0.0 (0 votes)
Holdings
Item type Current library Collection Call number Status Date due Barcode
Libro Libro Unicomfacauca Acervo general de Libros Available T06285
Libro Libro Unicomfacauca Acervo general de Libros Available T06286

Incluye índice analítico y alfabético

Prefacio -- Acerca de este libro -- Parte 1: Introducción -- Capítulo 1. ¿Qué es el Deep Learning? -- Capítulo 2. Entorno de trabajo -- Capítulo 3. Python y sus librerías -- Parte 2: Fundamentos del deep learning -- Capítulo 4. Redes neuronales densamente conectadas -- Capítulo 5. Redes neuronales en Keras -- Capítulo 6. Cómo se entrena una red neuronal -- Capítulo 7. Parámetros e hiperparámetros en redes neuronales -- Capítulo 8. Redes neuronales convolucionales -- Parte 3: Técnicas del deep learning -- Capítulo 9. Etapas de un proyecto Deep Learning -- Capítulo 10. Datos para entrenar redes neuronales -- Capítulo 11. Data Augmentation y Transfer Learning -- Capítulo 12. Arquitecturas avanzadas de redes neuronales -- Parte 4: Deep learning generativo -- Capítulo 13. Redes neuronales recurrentes -- Capítulo 14. Generative Adversarial Networks – Clausura -- Apéndices.

There are no comments on this title.

to post a comment.