深層学習モデルハンドブック 第１巻：基礎 Handbook of Deep Learning Models : Volume One: Fundamentals

深層学習モデルハンドブック　第１巻：基礎<br>Handbook of Deep Learning Models : Volume One: Fundamentals

個数：

予約

深層学習モデルハンドブック　第１巻：基礎
Handbook of Deep Learning Models : Volume One: Fundamentals

Verma, Parag/ Sankar, Er. Devarasetty Purna/ Bhardwaj, Anuj

ウェブストア価格 ¥44,056（本体¥40,051）
CRC Press（2025/11発売）
外貨定価 US$ 210.00
ポイント 400pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版／ページ数 14 p.
言語 ENG
商品コード 9781041102687

Full Description

This volume covers a comprehensive range of fundamental concepts in deep learning and artificial neural networks, making it suitable for beginners looking to learn the basics.

Using Keras, a popular neural network API in Python, this book offers practical examples that reinforce the theoretical concepts discussed. Real-world case studies add relevance by showing how deep learning is applied across various domains. The book covers topics such as layers, activation functions, optimization algorithms, backpropagation, convolutional neural networks (CNNs), data augmentation, and transfer learning - providing a solid foundation for building effective neural network models.

This book is a valuable resource for anyone interested in deep learning and artificial neural networks, offering both theoretical insights and practical implementation experience.

Part I - Fundamentals of Deep Learning 1. Introduction to Deep Learning 2. Machine Learning Fundamentals 3. Neural Networks Fundamentals Part II -Deep Learning Models with Use Case Studies 4. Convolutional Neural Networks 5. Recurrent Neural Networks 6. Generative Adversarial Networks 7. Radial Basis Function Networks 8. Self Organizing Maps