Produkt zum Begriff Prozesse:
-
Ekman, Magnus: Learning Deep Learning
Learning Deep Learning , NVIDIA's Full-Color Guide to Deep Learning: All StudentsNeed to Get Started and Get Results Learning Deep Learning is a complete guide to DL.Illuminating both the core concepts and the hands-on programming techniquesneeded to succeed, this book suits seasoned developers, data scientists,analysts, but also those with no prior machine learning or statisticsexperience. After introducing the essential building blocks of deep neural networks, such as artificial neurons and fully connected, convolutional, and recurrent layers,Magnus Ekman shows how to use them to build advanced architectures, includingthe Transformer. He describes how these concepts are used to build modernnetworks for computer vision and natural language processing (NLP), includingMask R-CNN, GPT, and BERT. And he explains how a natural language translatorand a system generating natural language descriptions of images. Throughout, Ekman provides concise, well-annotated code examples usingTensorFlow with Keras. Corresponding PyTorch examples are provided online, andthe book thereby covers the two dominating Python libraries for DL used inindustry and academia. He concludes with an introduction to neural architecturesearch (NAS), exploring important ethical issues and providing resources forfurther learning. Exploreand master core concepts: perceptrons, gradient-based learning, sigmoidneurons, and back propagation See how DL frameworks make it easier to developmore complicated and useful neural networks Discover how convolutional neuralnetworks (CNNs) revolutionize image classification and analysis Apply recurrentneural networks (RNNs) and long short-term memory (LSTM) to text and othervariable-length sequences Master NLP with sequence-to-sequence networks and theTransformer architecture Build applications for natural language translation andimage captioning , >
Preis: 49.28 € | Versand*: 0 € -
Prozesse in Sozialsachen
Prozesse in Sozialsachen , Das erfolgreiche Mandat im Sozialrecht hängt von der sicheren Beherrschung des Verfahrensrechts und sozialrechtlichem Anspruchswissen ab. Beides denkt das Prozesshandbuch zusammen. Die Neuauflage bietet strategisches Know-how und Praxiswissen für das gesamte sozialrechtliche Verfahren, geht dabei von den typischen Fallkonstellationen und den materiell-rechtlichen Anspruchsgrundlagen aus, erläutert detailliert die rechtlichen Mittel und Handlungsmöglichkeiten für alle Phasen des Mandats, vom Widerspruchsverfahren, über die drei Gerichtsinstanzen bis zum Verfassungsrechtsstreit und dem Rechtschutz vor den europäischen Gerichten, bezieht den aktuellen Stand der Gesetzgebung in allen Bereichen des Sozialrechts ein, nimmt dabei auch neueste Entwicklungen (Reform des Bürgergeldes, Änderungen des SGB IX und SGB XIV) in den Blick und berücksichtigt die grundlegend neuen Gerichtsentscheidungen. Der Qualität verpflichtet Sämtliche materiell-rechtliche Passagen wurden auf ihre verfahrensrechtliche Relevanz hin durchgearbeitet, komplett neu verfasst wurde das Kapitel "Besondere Regelungen zur Teilhabe schwerbehinderter Menschen". Musteranträge, Hinweise, Beispiele und Prüflisten erhöhen den Praxisnutzen für alle Verfahrensbeteiligten. Prominente Herausgeber und Autoren aus Richter- wie Anwaltschaft stehen für eine herausragende Referenz: Dr. Josef Berchtold ist Rechtsanwalt in Augsburg. Er war Vorsitzender Richter des 2. und 5. Senats am Bundessozialgericht. | Carsten Karmanski ist Richter am Bundessozialgericht. | Professor Ronald Richter ist Rechtsanwalt und Fachanwalt für Steuerrecht. Er ist als Dozent u.a. an der Deutschen AnwaltAkademie tätig und Lehrbeauftragter der Hochschule für Angewandte Wissenschaften (HAW), Hamburg. Dr. Constantin Cantzler, Richter am Sozialgericht Nürnberg a.w.a.Ri. | Rechtsanwalt Dr. Wolfgang Conradis, Fachanwalt für Sozialrecht | Dr. Martin Estelmann, Richter am Bundessozialgericht | Rechtsanwältin Dr. Eva Feldbaum, Mediatorin, Director Legal Division and Law Studies SIBE / Steinbeis University | Dr. Wolfgang Fichte, Rechtsanwalt, Richter am Bundessozialgericht aD | Ingo Geckeler, Richter am Bayerischen Landessozialgericht | Rechtsanwalt Dirk Hinne, Fachanwalt für Sozialrecht, Fachanwalt für Versicherungsrecht, Fachanwalt für Medizinrecht | Dr. Tobias Mushoff, Richter am Landessozialgericht Nordrhein-Westfalen | Rechtsanwalt Dr. Ulrich Sartorius, Fachanwalt für Arbeitsrecht und für Sozialrecht | Uwe Söhngen, Richter am Bundessozialgericht | Rechtsanwalt Prof. Dr. Oliver Tolmein, Fachanwalt für Medizinrecht, Honorar-Professor an der Georg-August-Universität Göttingen , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 149.00 € | Versand*: 0 € -
Zeigermann, Oliver: Machine Learning - kurz & gut
Machine Learning - kurz & gut , Der kompakte Schnelleinstieg in Machine Learning und Deep Learning Die 3. Auflage des Bestsellers wurde ergänzt durch Kapitel zu Large Language Models wie ChatGPT und zu MLOps Anhand konkreter Datensätze lernen Sie einen typischen Workflow kennen: vom Datenimport über Datenbereinigung, Datenanalyse bis hin zur Datenvisualisierung Nicht nur für zukünftige Data Scientists und ML-Profis geeignet, sondern durch seine durchdachte Didaktik auch für Interessierte, die nur am Rande mit ML zu tun haben, wie z.B. Softwareentwickler*innen Machine Learning beeinflusst heute beinahe alle Bereiche der Technik und der Gesellschaft. Dieses Buch bietet Interessierten, die einen technischen Hintergrund haben, die schnellstmögliche Einführung in das umfangreiche Themengebiet des maschinellen Lernens und der statistischen Datenanalyse. Dabei werden alle wesentlichen Themen abgedeckt und mit praktischen Beispielen in Python illustriert. Verwendet werden dabei die Bibliotheken Scikit-Learn, Pandas, NumPy, TensorFlow und Keras. Nach der Lektüre dieses Buchs haben Sie einen Überblick über das gesamte Thema und können Ansätze einordnen und bewerten. Das Buch vermittelt Ihnen eine solide Grundlage, um Ihre ersten eigenen Machine-Learning-Modelle zu trainieren und vertiefende Literatur zu verstehen. Die aktualisierte 3. Auflage behandelt jetzt auch Large Language Models wie z.B. ChatGPT und MLOps. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 19.90 € | Versand*: 0 € -
Raschka, Sebastian: Machine Learning Q and AI
Machine Learning Q and AI , "An advanced exploration of machine learning and AI, with each chapter asking and answering a question from the field. Divided into five sections: deep learning and neural networks; computer vision; natural language processing; production and deployment; and predictive performance and model evaluation"-- , >
Preis: 37.30 € | Versand*: 0 €
-
Ist Machine Learning bereits künstliche Intelligenz?
Machine Learning ist ein Teilgebiet der künstlichen Intelligenz. Es befasst sich mit der Entwicklung von Algorithmen und Modellen, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen zu treffen. Künstliche Intelligenz umfasst jedoch auch andere Bereiche wie Expertensysteme, natürliche Sprachverarbeitung und Robotik.
-
Warum Deep Learning im Vergleich zu Machine Learning?
Deep Learning unterscheidet sich von Machine Learning durch seine Fähigkeit, automatisch Merkmale aus den Daten zu extrahieren, anstatt dass diese manuell definiert werden müssen. Dadurch ist Deep Learning in der Lage, komplexere und abstraktere Muster in den Daten zu erkennen und zu lernen. Dies ermöglicht es Deep Learning-Modellen, in vielen Anwendungsbereichen, wie Bild- und Spracherkennung, bessere Leistungen zu erzielen als herkömmliche Machine Learning-Modelle.
-
Was ist der Unterschied zwischen Deep Learning und Machine Learning?
Deep Learning ist eine spezielle Methode des Machine Learning, die auf künstlichen neuronalen Netzwerken basiert. Es ermöglicht das Lernen von hierarchischen und komplexen Merkmalsdarstellungen, um automatisch Muster und Strukturen in Daten zu erkennen. Im Gegensatz dazu ist Machine Learning ein breiterer Begriff, der verschiedene Algorithmen und Techniken umfasst, um Computermodelle zu erstellen, die aus Daten lernen und Vorhersagen treffen können. Deep Learning ist also eine Teilmenge des Machine Learning.
-
Wie kann man sich selbst Machine Learning, Künstliche Intelligenz und Natural Language Processing beibringen?
Um sich selbst Machine Learning, Künstliche Intelligenz und Natural Language Processing beizubringen, gibt es verschiedene Möglichkeiten. Man kann Online-Kurse und Tutorials nutzen, um die Grundlagen zu erlernen und praktische Erfahrungen zu sammeln. Es ist auch hilfreich, an Projekten zu arbeiten und mit vorhandenen Tools und Bibliotheken zu experimentieren. Zudem kann der Austausch mit anderen Fachleuten in Foren und Communitys dabei helfen, Fragen zu klären und neue Ideen zu entwickeln.
Ähnliche Suchbegriffe für Prozesse:
-
Becker, Cosima: Bodo O. GmbH. Personalbezogene Prozesse und Gesamtwirtschaftliche Prozesse: Arbeitsheft. Nordrhein-Westfalen
Bodo O. GmbH. Personalbezogene Prozesse und Gesamtwirtschaftliche Prozesse: Arbeitsheft. Nordrhein-Westfalen , Arbeitsheft für die bereichsspezifischen Fächer "Personalbezogene Prozesse" und "Gesamtwirtschaftliche Prozesse" entspricht dem neuen Lehrplan für die BFS NRW, Fachbereich Wirtschaft und Verwaltung, der zum 01.08.2015 in Kraft tritt bewährtes Konzept, das auf die Anforderungen des neuen Lehrplans angepasst wurde kompetenzorientiert und nach Handlungsfeldern aufgebaut vermittelt ein breites Wirtschaftsgrundwissen anhand praxisnaher Situationen mit dem Modellunternehmen "Bodo O. Sport GmbH" schülergerechte Sprache anschauliche Beispiele Konzept: kleinschrittiger Aufbau abwechslungsreiche Arbeitsaufträge Methodenteil im Anhang zur Unterstützung des Erwebs von Methoden- und Sozialkompetenzen Kompetenzchecks zur Selbsteinschätzung und Dokumentation Unter BuchPlusWeb stehen Daten zum Modellunternehmen, Briefvorlagen, Exceltabellen und Formulare zur Verfügung. Außerdem erhältlich: Arbeitsheft "Geschäftsprozesse im Unternehmen 1" Arbeitsheft "Geschäftsprozesse im Unternehmen 2" , Schule & Ausbildung > Fachbücher, Lernen & Nachschlagen
Preis: 30.75 € | Versand*: 0 € -
Bishop, Christopher M.: Deep Learning
Deep Learning , This book offers a comprehensive introduction to the central ideas that underpin deep learning. It is intended both for newcomers to machine learning and for those already experienced in the field. Covering key concepts relating to contemporary architectures and techniques, this essential book equips readers with a robust foundation for potential future specialization. The field of deep learning is undergoing rapid evolution, and therefore this book focusses on ideas that are likely to endure the test of time. The book is organized into numerous bite-sized chapters, each exploring a distinct topic, and the narrative follows a linear progression, with each chapter building upon content from its predecessors. This structure is well-suited to teaching a two-semester undergraduate or postgraduate machine learning course, while remaining equally relevant to those engaged in active research or in self-study. A full understanding of machine learning requires some mathematical background and so the book includes a self-contained introduction to probability theory. However, the focus of the book is on conveying a clear understanding of ideas, with emphasis on the real-world practical value of techniques rather than on abstract theory. Complex concepts are therefore presented from multiple complementary perspectives including textual descriptions, diagrams, mathematical formulae, and pseudo-code. Chris Bishop is a Technical Fellow at Microsoft and is the Director of Microsoft Research AI4Science. He is a Fellow of Darwin College Cambridge, a Fellow of the Royal Academy of Engineering, and a Fellow of the Royal Society. Hugh Bishop is an Applied Scientist at Wayve, a deep learning autonomous driving company in London, where he designs and trains deep neural networks. He completed his MPhil in Machine Learning and Machine Intelligence at Cambridge University. ¿Chris Bishop wrote a terrific textbook on neural networks in 1995 and has a deep knowledge of the field and its core ideas. His many years of experience in explaining neural networks have made him extremely skillful at presenting complicated ideas in the simplest possible way and it is a delight to see these skills applied to the revolutionary new developments in the field.¿ -- Geoffrey Hinton "With the recent explosion of deep learning and AI as a research topic, and the quickly growing importance of AI applications, a modern textbook on the topic was badly needed. The "New Bishop" masterfully fills the gap, covering algorithms for supervised and unsupervised learning, modern deep learning architecture families, as well as how to apply all of this to various application areas." ¿ Yann LeCun ¿This excellent and very educational book will bring the reader up to date with the main concepts and advances in deep learning with a solid anchoring in probability. These concepts are powering current industrial AI systems and are likely to form the basis of further advances towards artificial general intelligence.¿ -- Yoshua Bengio , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen
Preis: 75.37 € | Versand*: 0 € -
OE-Prozesse initiieren und gestalten
OE-Prozesse initiieren und gestalten , Wie sorgt man für Entwicklung in einer Organisation? Wie können Berater/innen und Führungskräfte die Zukunft in ihrer Organisation gestalten? Welche Wege gibt es, Veränderungen mit Beteiligung der Betroffenen anzugehen? Dieses Arbeitshandbuch entstand aus langjährigen praktischen Erfahrungen, Reflexionen und eigenen Entwicklungen der Autoren/innen als Berater und Begleiterinnen in firmeninternen Projekten der Organisations- und Managemententwicklung. Es beschreibt systemische Organisationsentwicklung (OE) als entwicklungsorientierte Form der Gestaltung und Veränderung von Organisationen bei unterschiedlichsten Anlässen, die sich durch eine nachhaltige Umsetzungs- und Gestaltungskraft auszeichnet. Im ersten Teil wird relevantes Basiswissen für Praktiker/innen zum Verständnis von Organisationen und ihrer Gestaltung vermittelt. Im zweiten Teil schildern die Autoren/innen, wie OE-Prozesse konkret gestaltet werden können, und geben zahlreiche Tipps, Anregungen, Strukturen und Methoden. Ein Fallbeispiel sowie Interviews mit Top-Führungskräften veranschaulichen persönliche Erfahrungen und bieten Hinweise für die OE-Praxis. , Bücher > Bücher & Zeitschriften , Auflage: 3. Auflage 2015, Erscheinungsjahr: 20150422, Produktform: Kartoniert, Redaktion: Häfele, Walter, Auflage: 15003, Auflage/Ausgabe: 3. Auflage 2015, Seitenzahl/Blattzahl: 352, Abbildungen: 27 Abbildungen, Keyword: Betriebswirtschaft; Organisationsentwicklung; Systemische Organisationsberatung; Change Management; Führung; Entwicklungsberatung; Managemententwicklung, Fachschema: Betrieb / Betriebsorganisation~Betriebsorganisation~Organisation / Betriebsorganisation, Warengruppe: HC/Wirtschaft/Management, Fachkategorie: Management und Managementtechniken, Thema: Verstehen, Text Sprache: ger, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Verlag: Haupt Verlag AG, Verlag: Haupt Verlag AG, Verlag: Haupt Verlag, Länge: 226, Breite: 158, Höhe: 25, Gewicht: 576, Produktform: Kartoniert, Genre: Sozialwissenschaften/Recht/Wirtschaft, Genre: Sozialwissenschaften/Recht/Wirtschaft, Vorgänger: A1494938, Vorgänger EAN: 9783258075525 9783258071527 9783258068121 9783258057781, Herkunftsland: DEUTSCHLAND (DE), Katalog: deutschsprachige Titel, Katalog: Gesamtkatalog, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0004, Tendenz: -1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Hardcover, Unterkatalog: Lagerartikel,
Preis: 44.00 € | Versand*: 0 € -
Chabert, Antoine: SAP Analytics Cloud: Predictive Analytics
SAP Analytics Cloud: Predictive Analytics , Today's organizations must be prepared for tomorrow's events. Forecast future behavior in SAP Analytics Cloud with this comprehensive guide to predictive analytics! Start by learning about the data types, scenarios, and methods used in predictive analytics projects. Then follow step-by-step instructions to build, analyze, and apply predictive models to your business data using classification, time series forecasting, and regression analysis. Automate your models and dive into the data science with this all-in-one guide! In this book, you'll learn about: a. Predictive Scenarios and Projects Understand the basics of predictive analytics in SAP Analytics Cloud: scenarios, data types, and actions. Then plan your predictive project, including identifying the key stakeholders and reviewing the methodology. b. Build, Train, Analyze, and Apply Master predictive models from end to end. Create classification, time series, and regression models; then train them to identify business patterns. Analyze and apply the results of your models to data in SAP Analytics Cloud. c. Practical Demonstrations See predictive analytics in action! Identify use cases for predictive modeling. For each data model, understand practical applications through curated examples with sample business data. Highlights include: 1) Predictive scenarios 2) Predictive forecasts 3) Data modeling 4) Planning 5) Time series model 6) Classification model 7) Regression model 8) Multi-actions 9) Data science 10) Stories and dashboards , Schule & Ausbildung > Fachbücher, Lernen & Nachschlagen
Preis: 81.99 € | Versand*: 0 €
-
Wie können moderne Technologien wie Machine Learning und künstliche Intelligenz zur Automobilanalyse eingesetzt werden?
Moderne Technologien wie Machine Learning und künstliche Intelligenz können zur Automobilanalyse eingesetzt werden, um große Mengen von Daten zu verarbeiten und Muster zu erkennen. Sie können dabei helfen, Fahrzeugdiagnosen schneller und genauer durchzuführen sowie präventive Wartungsmaßnahmen vorherzusagen. Zudem können sie zur Verbesserung der Fahrzeugsicherheit und Effizienz beitragen, indem sie Verkehrsdaten analysieren und Fahrerassistenzsysteme optimieren.
-
Wie beeinflusst Machine Learning die Entwicklung von künstlicher Intelligenz?
Machine Learning ist ein Teilgebiet der künstlichen Intelligenz, das es Computern ermöglicht, aus Daten zu lernen und Muster zu erkennen. Durch Machine Learning können Algorithmen verbessert und optimiert werden, um intelligenter zu werden. Somit trägt Machine Learning maßgeblich zur Weiterentwicklung und Verbesserung von künstlicher Intelligenz bei.
-
Hat Machine Learning wirklich etwas mit künstlicher Intelligenz zu tun?
Ja, Machine Learning ist ein Teilgebiet der künstlichen Intelligenz. Es befasst sich mit der Entwicklung von Algorithmen und Modellen, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen oder Entscheidungen zu treffen. Machine Learning ist eine Methode, um künstliche Intelligenz zu erreichen, indem Computer in der Lage sind, Aufgaben zu erlernen und auszuführen, für die normalerweise menschliche Intelligenz erforderlich ist.
-
Wie beeinflusst Machine Learning die zukünftige Entwicklung von künstlicher Intelligenz?
Machine Learning ermöglicht es künstlicher Intelligenz, aus Daten zu lernen und sich selbst zu verbessern. Durch kontinuierliches Training kann die KI immer komplexere Aufgaben bewältigen. Dadurch wird die zukünftige Entwicklung von künstlicher Intelligenz beschleunigt und ermöglicht neue Anwendungen in verschiedenen Bereichen.
* Alle Preise verstehen sich inklusive der gesetzlichen Mehrwertsteuer und ggf. zuzüglich Versandkosten. Die Angebotsinformationen basieren auf den Angaben des jeweiligen Shops und werden über automatisierte Prozesse aktualisiert. Eine Aktualisierung in Echtzeit findet nicht statt, so dass es im Einzelfall zu Abweichungen kommen kann.