TRA CỨU
  • Sách TK Ngoại Văn
  • Ký hiệu PL/XG: 006.31 RA-S
    Nhan đề: Machine Learning with PyTorch and Scikit-Learn:
DDC 006.31
Tác giả CN Raschka, Sebastian
Nhan đề Machine Learning with PyTorch and Scikit-Learn:Develop machine learning and deep learning models with Python / Sebastian Raschka , Yuxi (Hayden) Liu, Vahid Mirjalili
Thông tin xuất bản Packt Publishing,2022
Mô tả vật lý 742tr. ;25cm.
Tóm tắt Cuốn sách trình bày toàn diện về học máy (Machine Learning) và học sâu (Deep Learning) bằng ngôn ngữ Python, sử dụng hai thư viện phổ biến là PyTorch và Scikit-Learn. Nội dung bắt đầu từ các kiến thức nền tảng như xử lý dữ liệu, tiền xử lý, đánh giá mô hình và các thuật toán học máy truyền thống (hồi quy, phân loại, phân cụm, giảm chiều dữ liệu), sau đó mở rộng sang các kỹ thuật học sâu với PyTorch như mạng nơ-ron nhân tạo, mạng tích chập (CNN), mạng hồi tiếp (RNN), Transformer và các phương pháp học hiện đại. Sách kết hợp giữa lý thuyết và thực hành thông qua nhiều ví dụ lập trình, giúp người đọc xây dựng, huấn luyện, tối ưu và triển khai các mô hình học máy trong các bài toán thực tế
Từ khóa tự do Học máy
Từ khóa tự do Python
Từ khóa tự do Trí tuệ nhân tạo
Tác giả(bs) CN Liu, Yuxi (Hayden)
Tác giả(bs) CN Mirjalili, Vahid
Địa chỉ HUMGKho STK Ngoại Văn tầng 3(1): 304004941
Ghi chú bản lưu KĐ2659
000 00000nam a2200000 a 4500
00135159
00212
00486E70FD9-D78A-4F6B-80C3-94BC780430C7
005202608061446
008 2022 vm| vie
0091 0
020|a978-1801819312
020|c5436000
039|a20260806144603|bthanhhuong|c20260806144352|dthanhhuong|y20260324093547|zthanhhuong
082 |a006.31|bRA-S
100|aRaschka, Sebastian
245|aMachine Learning with PyTorch and Scikit-Learn:|bDevelop machine learning and deep learning models with Python /|cSebastian Raschka , Yuxi (Hayden) Liu, Vahid Mirjalili
260|bPackt Publishing,|c2022
300 |a742tr. ;|c25cm.
520 |aCuốn sách trình bày toàn diện về học máy (Machine Learning) và học sâu (Deep Learning) bằng ngôn ngữ Python, sử dụng hai thư viện phổ biến là PyTorch và Scikit-Learn. Nội dung bắt đầu từ các kiến thức nền tảng như xử lý dữ liệu, tiền xử lý, đánh giá mô hình và các thuật toán học máy truyền thống (hồi quy, phân loại, phân cụm, giảm chiều dữ liệu), sau đó mở rộng sang các kỹ thuật học sâu với PyTorch như mạng nơ-ron nhân tạo, mạng tích chập (CNN), mạng hồi tiếp (RNN), Transformer và các phương pháp học hiện đại. Sách kết hợp giữa lý thuyết và thực hành thông qua nhiều ví dụ lập trình, giúp người đọc xây dựng, huấn luyện, tối ưu và triển khai các mô hình học máy trong các bài toán thực tế
653 |aHọc máy
653|aPython
653|aTrí tuệ nhân tạo
690 |aNgành Công nghệ thông tin
691 |aChuyên ngành Công nghệ phần mềm
700 |aLiu, Yuxi (Hayden)
700|aMirjalili, Vahid
852|aHUMG|bKho STK Ngoại Văn tầng 3|j(1): 304004941
8561|uhttps://lic.humg.edu.vn/kiposdata2/bìa sách/năm 2026/35159.jpg
866 |aKĐ2659
890|a1|b0|c0|d0
900|aMua TA 2025 (NH25-26)
Dòng Mã vạch Nơi lưu Chỉ số xếp giá Loại tài liệu Bản sao Tình trạng Thành phần Đặt mượn
1 304004941 Kho STK Ngoại Văn tầng 3 006.31 RA-S Sách tham khảo khác 1

Không có liên kết tài liệu số nào