Libri Universitari › Deep Learning - Goodfellow, Bengio, Courville - 2016
Deep Learning - Goodfellow, Bengio, Courville - 2016
· ISBN 9780262035613
8.5 / 10
Difficoltà alto
1 facoltà
lo adottano, in 1 ateneo1 docente · 2 corsi di laurea
Scheda libro
Titolo
Deep Learning - Goodfellow, Bengio, Courville - 2016
ISBN
9780262035613
Lingua
Inglese
Pagine
775
Tipo
Manuale universitario
Studio
≈ 8,5 settimane
Cosa si studia con questo libro Deep Learning - Goodfellow, Bengio, Courville - 2016: di cosa parla
Deep Learning, di Goodfellow, Bengio e Courville, edito nel 2016, è un riferimento sull'apprendimento profondo. Parte dai fondamenti matematici, tra algebra lineare, probabilità e ottimizzazione, e tratta le reti neurali, i metodi di addestramento e di regolarizzazione e i modelli per la rappresentazione dei dati. Il testo, in lingua inglese, è adatto agli studenti di informatica, matematica e ingegneria che seguono Optimization Methods for Machine Learning e Optimization Methods for Data Science, e a chi desidera una trattazione sistematica.
Dove acquistarlo Deep Learning - Goodfellow, Bengio, Courville - 2016: prezzo nuovo e usato su Amazon, IBS e Libraccio
Chi lo adotta Deep Learning - Goodfellow, Bengio, Courville - 2016: esami, corsi di laurea e docenti che lo indicano
Sapienza 1 facoltà · 2 esami
Deep Learning - Goodfellow, Bengio, Courville - 2016 a Sapienza: Optimization Methods For Machine Learning, Optimization Methods For Data Science, prof. Palagi
Facoltà: Ingegneria dell'informazione, informatica e statistica
Di cosa si tratta: Obiettivi e applicazioni dei sistemi di apprendimento, tra classificazione e regressione, con le basi della teoria dell'apprendimento statistico e il limite di Vapnik-Chervonenkis. Si affrontano underfitting e overfitting nella parte introduttiva del percorso, articolata in tre lezioni da due ore ciascuna di didattica frontale, secondo la scansione temporale indicata.
Di cosa si tratta: Sistemi di apprendimento e relativi obiettivi e applicazioni, tra classificazione e regressione, con le basi della teoria dell'apprendimento statistico e il limite di Vapnik-Chervonenkis. Si affrontano underfitting e overfitting nella parte introduttiva del percorso, articolata in tre lezioni da due ore ciascuna di didattica frontale.
Domande frequenti su Deep Learning - Goodfellow, Bengio, Courville - 2016
Per quale esame serve Deep Learning - Goodfellow, Bengio, Courville - 2016?
È indicato per Optimization Methods For Machine Learning, Optimization Methods For Data Science a Sapienza, dal prof. Laura Palagi. A.a. 2026/2027.
Quali libri indica il prof. Laura Palagi per Optimization Methods For Machine Learning?
Per Optimization Methods For Machine Learning (Sapienza) il prof. Laura Palagi indica Deep Learning - Goodfellow, Bengio, Courville - 2016; l'elenco completo dei testi, obbligatori e facoltativi, è nella sezione «Chi lo adotta» di questa pagina.
Qual è il prezzo migliore di Deep Learning - Goodfellow, Bengio, Courville - 2016?
Il comparatore prezzi di questa pagina mette a confronto Amazon, IBS e Libraccio, nuovo e usato: su Amazon il prezzo aggiornato è nella scheda del negozio.
Quanto tempo serve per studiare Deep Learning - Goodfellow, Bengio, Courville - 2016?
≈ 8,5 settimane: il tempo è calcolato sulle pagine del libro e sui crediti dell'esame.
Qual è l'ISBN di Deep Learning - Goodfellow, Bengio, Courville - 2016?
L'ISBN è 9780262035613.
Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Come leggere questi datiCome è calcolata la difficoltà ›
Crediti (CFU)
50%
1 CFU = 25 ore di studio (dato ufficiale). Più crediti, più ore.
Densità di lettura
50%
pagine dei libri indicati divisi per i CFU (pagine dalla scheda SBN; se non note, una stima di 400 pagine a libro).
Ogni esame si confronta solo con quelli della sua area (scientifico-tecnica, umanistica, giuridico-sociale, sanitaria, economica): un esame di lettere non viene misurato con matematica. Il numero 1-10 è la posizione dell'esame nella sua area; per il libro si fa la media degli esami che lo adottano. Non contano anno di corso, laurea triennale o magistrale e lunghezza del programma: non dicono quanto si studia. È una stima del carico, non una difficoltà misurata.
Atenei e facoltà in ordine di diffusione. Per ogni esame: docente, corso di laurea, facoltà e il confronto con gli altri libri che indica.
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Questo sito usa solo strumenti tecnici (nessun cookie di profilazione). I link ai negozi sono link di affiliazione. Cookie policy · Privacy
Libri UniversitariZoom 100%