Angebote zu "Rekursive" (10 Treffer)

Informatik. Rekursive Datenstrukturen, Software...
27,95 € *
ggf. zzgl. Versand

Informatik. Rekursive Datenstrukturen, Softwaretechnik. Schülerbuch 11. Klasse. Ausgabe für Bayern und Nordrhein-Westfalen:

Anbieter: Hugendubel.de
Stand: 17.07.2019
Zum Angebot
Informatik. Rekursive Datenstrukturen, Software...
15,49 € *
zzgl. 2,95 € Versand

Informatik. Rekursive Datenstrukturen, Softwaretechnik. Service-CD 11. Klasse. Ausgabe für Bayern:Rekursive Datenstrukturen, Softwaretechnik. 1., Aufl.

Anbieter: Hugendubel.de
Stand: 18.07.2019
Zum Angebot
Informatik. Rekursive Datenstrukturen, Software...
27,95 € *
ggf. zzgl. Versand

Weitere Informationen zu diesem Produkt finden Sie unter www.klett.de.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Informatik/Service-CD 11. Kl./BY/ Rekursive Dat...
15,63 € *
ggf. zzgl. Versand

Erscheinungsdatum: 06/2010Medium: CD-ROMTitel: Informatik. Rekursive Datenstrukturen, Softwaretechnik. Service-CD 11. Klasse. Ausgabe fuer BayernVerlag: Klett Ernst /Schulbuch // Klett, Ernst, Verlag GmbHSprache: DeutschBundeslaender: BayernSchlagwort

Anbieter: RAKUTEN
Stand: 29.06.2019
Zum Angebot
Deep Learning. Das umfassende Handbuch
80,00 € *
ggf. zzgl. Versand

Mathematische Grundlagen für Machine und Deep Learning Umfassende Behandlung zeitgemäßer Verfahren: tiefe Feedforward-Netze, Regularisierung, Performance-Optimierung sowie CNNs, Rekurrente und Rekursive Neuronale Netze Zukunftsweisende Deep-Learning-Ansätze sowie von Ian Goodfellow neu entwickelte Konzepte wie Generative Adversarial Networks Deep Learning ist ein Teilbereich des Machine Learnings und versetzt Computer in die Lage, aus Erfahrungen zu lernen. Dieses Buch behandelt umfassend alle Aspekte, die für den Einsatz und die Anwendung von Deep Learning eine Rolle spielen: In Teil I erläutern die Autoren die mathematischen Grundlagen für Künstliche Intelligenz, Neuronale Netze, Machine Learning und Deep Learning. In Teil II werden die aktuellen in der Praxis genutzten Verfahren und Algorithmen behandelt. In Teil III geben die Autoren Einblick in aktuelle Forschungsansätze und zeigen neue zukunftsweisende Verfahren auf. Dieses Buch richtet sich an Studenten und alle, die sich in der Forschung mit Deep Learning beschäftigen sowie an Softwareentwickler und Informatiker, die Deep Learning für eigene Produkte oder Plattformen einsetzen möchten. Dabei werden Grundkenntnisse in Mathematik, Informatik und Programmierung vorausgesetzt. Teil I: Angewandte Mathematik und Grundlagen für das Machine Learning Lineare Algebra Wahrscheinlichkeits- und Informationstheorie Bayessche Statistik Numerische Berechnung Teil II: Deep-Learning-Verfahren Tiefe Feedforward-Netze Regularisierung Optimierung beim Trainieren tiefer Modelle Convolutional Neural Networks Sequenzmodellierung für Rekurrente und Rekursive Netze Praxisorientierte Methodologie Anwendungen: Computer Vision, Spracherkennung, Verarbeitung natürlicher Sprache Teil III: Deep-Learning-Forschung Lineare Faktorenmodelle Autoencoder Representation Learning Probabilistische graphische Modelle Monte-Carlo-Verfahren Die Partitionsfunktion Approximative Inferenz Tiefe generative Modelle wie Restricted Boltzmann Machines, Deep-Belief-Netze, Gerichtete Generative Netze, Variational Autoencoder u.v.m.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Software Engineering Paralleler Systeme
32,99 € *
ggf. zzgl. Versand

Michael Uelsen beleuchtet die Softwareentwicklung aus verschiedenen Sichtweisen. In der Einführung seines Buches über das Software Engineering stellt er Anwendungsfälle dar und erläutert die Herausforderungen bei der Arbeit mit parallelen Systemen. Anschließend bringt er die Eigenschaften und Besonderheiten paralleler Systeme und Algorithmen zur Sprache. Es geht dabei vor allem um Präfixsummen, Sortier- und rekursive Suchverfahren. Daneben spielen aber auch CPU-Programmierung, GPU-Programmierung und moderne Programmiersprachen eine tragende Rolle in diesem Werk.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Funktionale Modellierung und Rekursion
29,80 € *
ggf. zzgl. Versand

Erst mit der Möglichkeit der Programmierung und der Entwicklung der theoretischen Informatik hat die Rekursion ihr mathematisches Schattendasein aufgeben können. Trotzdem ist ihr der Einzug in die Schulmathematik bis auf rudimentäre Ansätze nicht gelungen, obwohl sie ein mächtiges funktionales Werkzeug mit umfassendem Einsatzgebiet darstellt. Die Beschäftigung mit Rekursion ermöglicht neue Denkweisen und Lösungsstrategien, die weit über die Mathematik hinausgehen. Demgemäß stehen rekursive Modellierung und praktische Problemlösung mit Hilfe von Tabellenkalkulation und funktionaler Programmierung im Mittelpunkt dieser Monographie. Aber auch die Frage der Berechenbarkeit als Kernthema der theoretischen Informatik wird schulgemäß angegangen. Die unterrichtende Lehrkraft wird bei allen Aspekten dieses Themas lückenlos unterstützt, nicht zuletzt durch zahlreiche ausgearbeiteten Beispiele.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Think Like a Programmer (eBook, PDF)
2,99 € *
ggf. zzgl. Versand

Aus dem Inhalt: Strategien zur Problemlösung Eingabeverarbeitung Statusverfolgung Arrays Zeiger und dynamische Speicherverwaltung Klassen Rekursion Wiederverwendung von Code Rekursive und iterative Programmierung Denken wie ein Programmierer Die Herausforderung beim Programmieren besteht nicht im Erlernen der Syntax einer bestimmten Sprache, sondern in der Fähigkeit, auf kreative Art Probleme zu lösen. In diesem einzigartigen Buch widmet sich der Autor V. Anton Spraul genau jenen Fähigkeiten, die in normalen Lehrbüchern eher nicht behandelt werden: die Fähigkeit, wie ein Programmierer zu denken und Aufgaben zu lösen. In den einzelnen Kapiteln behandelt er jeweils verschiedene Programmierkonzepte wie beispielsweise Klassen, Zeiger und Rekursion, und fordert den Leser mit erweiterbaren Übungen zur praktischen Anwendung des Gelernten auf. Sie lernen unter anderem: Probleme in diskrete Einzelteile zerlegen, die sich leichter lösen lassen Funktionen, Klassen und Bibliotheken möglichst effizient nutzen und wiederholt verwenden die perfekte Datenstruktur für eine Aufgabenstellung auswählen anspruchsvollere Programmiertechniken wie Rekursion und dynamischen Speicher einsetzen Ihre Gendanken ordnen und Strategien entwickeln, um bestimmte Problemkategorien in Angriff zu nehmen Die Beispiele im Buch werden mit C++ gelöst, die dargestellten kreativen Problemlösungskonzepte gehen aber weit über die einzelnen Programmiersprachen und oft sogar über den Bereich der Informatik hinaus. Denn wie die fähigsten Programmierer wissen, handelt es sich beim Schreiben herausragender Quelltexte um kreative Kunst und der erste Schritt auf dem Weg zum eigenen Meisterwerk besteht darin, wie ein Programmierer zu denken. Über den Autor: V. Anton Spraul hat über 15 Jahre lang Vorlesungen über die Grundlagen der Programmierung und Informatik gehalten. In diesem Buch fasst er die von ihm dabei perfektionierten Verfahren zusammen. Er ist auch Autor von »Computer Science Made Simple«.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot
Deep Learning. Das umfassende Handbuch (eBook, ...
69,99 € *
ggf. zzgl. Versand

Mathematische Grundlagen für Machine und Deep Learning Umfassende Behandlung zeitgemäßer Verfahren: tiefe Feedforward-Netze, Regularisierung, Performance-Optimierung sowie CNNs, Rekurrente und Rekursive Neuronale Netze Zukunftsweisende Deep-Learning-Ansätze sowie von Ian Goodfellow neu entwickelte Konzepte wie Generative Adversarial Networks Deep Learning ist ein Teilbereich des Machine Learnings und versetzt Computer in die Lage, aus Erfahrungen zu lernen. Dieses Buch behandelt umfassend alle Aspekte, die für den Einsatz und die Anwendung von Deep Learning eine Rolle spielen: In Teil I erläutern die Autoren die mathematischen Grundlagen für Künstliche Intelligenz, Neuronale Netze, Machine Learning und Deep Learning. In Teil II werden die aktuellen in der Praxis genutzten Verfahren und Algorithmen behandelt. In Teil III geben die Autoren Einblick in aktuelle Forschungsansätze und zeigen neue zukunftsweisende Verfahren auf. Dieses Buch richtet sich an Studenten und alle, die sich in der Forschung mit Deep Learning beschäftigen sowie an Softwareentwickler und Informatiker, die Deep Learning für eigene Produkte oder Plattformen einsetzen möchten. Dabei werden Grundkenntnisse in Mathematik, Informatik und Programmierung vorausgesetzt. Teil I: Angewandte Mathematik und Grundlagen für das Machine Learning Lineare Algebra Wahrscheinlichkeits- und Informationstheorie Bayessche Statistik Numerische Berechnung Teil II: Deep-Learning-Verfahren Tiefe Feedforward-Netze Regularisierung Optimierung beim Trainieren tiefer Modelle Convolutional Neural Networks Sequenzmodellierung für Rekurrente und Rekursive Netze Praxisorientierte Methodologie Anwendungen: Computer Vision, Spracherkennung, Verarbeitung natürlicher Sprache Teil III: Deep-Learning-Forschung Lineare Faktorenmodelle Autoencoder Representation Learning Probabilistische graphische Modelle Monte-Carlo-Verfahren Die Partitionsfunktion Approximative Inferenz Tiefe generative Modelle wie Restricted Boltzmann Machines, Deep-Belief-Netze, Gerichtete Generative Netze, Variational Autoencoder u.v.m.

Anbieter: buecher.de
Stand: 16.07.2019
Zum Angebot