AI Computing Systems
An Application Driven Perspective
Kiadó: Morgan Kaufmann
Megjelenés dátuma: 2023. február 2.
Normál ár:
Kiadói listaár:
EUR 86.95
EUR 86.95
Az Ön ára:
32 292 (30 754 Ft + 5% áfa )
Kedvezmény(ek): 10% (kb. 3 588 Ft)
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
Kattintson ide a feliratkozáshoz
Kattintson ide a feliratkozáshoz
Beszerezhetőség:
Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.
Nem tudnak pontosabbat?
A Prosperónál jelenleg nincsen raktáron.
A termék adatai:
| ISBN13: | 9780323953993 |
| ISBN10: | 0323953999 |
| Kötéstípus: | Puhakötés |
| Terjedelem: | 600 oldal |
| Méret: | 235x191 mm |
| Súly: | 910 g |
| Nyelv: | angol |
| 584 |
Témakör:
Hosszú leírás:
AI Computing Systems: An Application Driven Perspective adopts the principle of "application-driven, full-stack penetration" and uses the specific intelligent application of "image style migration" to provide students with a sound starting place to learn. This approach enables readers to obtain a full view of the AI computing system. A complete intelligent computing system involves many aspects such as processing chip, system structure, programming environment, software, etc., making it a difficult topic to master in a short time.
- Provides an in-depth analysis of the underlying principles behind the use of knowledge in intelligent computing systems
- Centers around application-driven and full-stack penetration, focusing on the knowledge required to complete this application at all levels of the software and hardware technology stack
- Supporting experimental tutorials covering key knowledge points in each chapter provide practical guidance and formalization tools for developing a simple AI computing system
Tartalomjegyzék:
1. Introduction
2. Neural Networks
3. Deep Learning
4. Fundamentals of Learning Frameworks
5. Learning Framework Principles
6. Theory behind Deep Learning Processors
7. Architecture for AI Computing Systems
8. AI Programming Language for AI Computing Systems
9. AI Computing Systems Labs
2. Neural Networks
3. Deep Learning
4. Fundamentals of Learning Frameworks
5. Learning Framework Principles
6. Theory behind Deep Learning Processors
7. Architecture for AI Computing Systems
8. AI Programming Language for AI Computing Systems
9. AI Computing Systems Labs
