Mathematical Foundations of Deep Learning
Theory and Algorithms
Sorozatcím: Chapman & Hall/CRC Mathematics and Artificial Intelligence Series;
-
10% KEDVEZMÉNY?
- Kiadói listaár GBP 67.99
-
30 697 Ft (29 235 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 10% (cc. 3 070 Ft off)
- Kedvezményes ár 27 627 Ft (26 312 Ft + 5% áfa)
27 627 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadás sorszáma 1
- Kiadó Chapman and Hall
- Megjelenés dátuma 2026. augusztus 25.
- ISBN 9781032877082
- Kötéstípus Puhakötés
- Terjedelem284 oldal
- Méret 254x178 mm
- Nyelv angol
- Illusztrációk 25 Illustrations, black & white; 25 Line drawings, black & white 700
Kategóriák
Rövid leírás:
Offers a comprehensive and rigorous treatment of the mathematical principles underlying modern deep learning.
TöbbHosszú leírás:
Mathematical Foundations of Deep Learning offers a comprehensive and rigorous treatment of the mathematical principles underlying modern deep learning. The book spans core theoretical topics, from the approximation capabilities of deep neural networks and the theory and algorithms of optimal control and reinforcement learning integrated with deep learning techniques to contemporary generative models that drive today’s advances in artificial intelligence.
Designed as both a textbook for graduate and advanced undergraduate students as well as a long-term reference, this volume aims to equip students with a solid mathematical understanding of deep learning while serving researchers, scientists, and engineers seeking a principled framework for developing and analyzing modern artificial intelligence systems.
Features
- Comprehensive and rigorous, featuring detailed theoretical developments, mathematical proofs, and algorithmic frameworks throughout
- Materials thoughtfully selected from this book support a full one-semester course for graduate students and advanced undergraduates
- Concise yet precise exposition of core deep learning concepts and techniques, presented using exact and rigorous mathematical language
Tartalomjegyzék:
1. Deep Neural Networks. 2 Network Training. 3 Deep Optimal Control. 4 Deep Reinforcement Learning. 5 Generative Models.
Több
