lo adottano, in 1 ateneo1 docente · 2 corsi di laurea
Scheda libro
Titolo
Deep learning with PyTorch
Autori
Howard Huang, Luca Antiga, Eli Stevens, Thomas Viehmann
Editore
Manning, 2026
Edizione
2026
ISBN
9781633438859
Lingua
Inglese
Pagine
514
Tipo
Manuale universitario
Studio
≈ 7 settimane
Cosa si studia con questo libro Stevens – Deep Learning With Pytorch: di cosa parla
Deep Learning with PyTorch di Eli Stevens, Luca Antiga e Thomas Viehmann è un manuale pratico sull'apprendimento profondo con la libreria PyTorch, che mostra come costruire, addestrare e valutare reti neurali con il codice. Il libro unisce idee di base del deep learning e uso concreto di un framework molto diffuso nella ricerca e nell'industria. Chi studia modelli neurali per l'elaborazione del linguaggio naturale vi trova la pratica necessaria per implementare architetture e sperimentare con i dati testuali, partendo da una buona base di programmazione.
Dove acquistarlo Stevens – Deep Learning With Pytorch: prezzo nuovo e usato su Amazon, IBS e Libraccio
Prezzi rilevati il 19/11/2026: possono cambiare, fa fede il sito del negozio.
Chi lo adotta Stevens – Deep Learning With Pytorch: esami, corsi di laurea e docenti che lo indicano
Bologna 1 facoltà · 2 esami
Stevens – Deep Learning With Pytorch a Bologna: Modelli Neurali per L'Elaborazione del Linguaggio Naturale (1) (Lm), Neural Models For Natural Language Processing (1) (Lm), prof. Tamburini
Facoltà: Studi umanistici
Modelli Neurali per L'Elaborazione del Linguaggio Naturale (1) (Lm)
Di cosa si tratta: Classificazione e clustering con Scikit-Learn, tramite SVC, KNN e alberi decisionali, richiamano il machine learning. L'addestramento delle reti profonde considera funzioni di attivazione, funzioni di loss, ottimizzazione e calcolo automatico del gradiente nel framework PyTorch. Seguono esperimenti con Multi-Layer Perceptron e reti ricorrenti, la struttura del Transformer, BERT, pre-training e fine-tuning.
Di cosa si tratta: Machine learning e deep learning vengono ripassati con classificazione e clustering in Scikit-Learn, tramite SVC, KNN e alberi decisionali. Poi funzioni di attivazione, funzioni di loss, ottimizzazione e calcolo automatico del gradiente in PyTorch portano a perceptron multistrato e reti ricorrenti, fino alla struttura del Transformer, a BERT e GPT, a pre-training e fine-tuning, con BERT sul benchmark GLUE.
Prezzi rilevati il 19/11/2026: possono cambiare, fa fede il sito del negozio.
Scorri di lato: 2 esami →
Domande frequenti su Stevens – Deep Learning With Pytorch
Per quale esame serve Stevens – Deep Learning With Pytorch?
È indicato per Modelli Neurali per L'Elaborazione del Linguaggio Naturale (1) (Lm), Neural Models For Natural Language Processing (1) (Lm) a Bologna, dal prof. Fabio Tamburini. A.a. 2026/2027.
Quali libri indica il prof. Fabio Tamburini per Modelli Neurali per L'Elaborazione del Linguaggio Naturale (1) (Lm)?
Per Modelli Neurali per L'Elaborazione del Linguaggio Naturale (1) (Lm) (Bologna) il prof. Fabio Tamburini indica Stevens – Deep Learning With Pytorch; l'elenco completo dei testi, obbligatori e facoltativi, è nella sezione «Chi lo adotta» di questa pagina.
Qual è il prezzo migliore di Stevens – Deep Learning With Pytorch?
Prezzi rilevati: Feltrinelli 57,49 €. 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 Stevens – Deep Learning With Pytorch?
≈ 7 settimane: il tempo è calcolato sulle pagine del libro e sui crediti dell'esame.
Qual è l'ISBN di Stevens – Deep Learning With Pytorch?
L'ISBN è 9781633438859 (editore Manning).
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