Menu

Zaloguj się

Twoje konto

×
Dodano do koszyka:
Pozycja znajduje się w koszyku, zwiększono ilość tej pozycji:
Zakupiłeś już tę pozycję:
Książkę możesz pobrać z biblioteki w panelu użytkownika
Pozycja znajduje się w koszyku
Przejdź do koszyka

Zawartość koszyka

ODBIERZ TWÓJ BONUS :: »

Szukaj

Zamknij

    Dostawa od 0,00zł

    TOP tytuł w super cenie » 50% taniej

    Deep Learning and XAI Techniques for Anomaly Detection. Integrate the theory and practice of deep anomaly explainability Cher Simon, Jeff Barr

    (ebook) (audiobook) (audiobook) Książka w języku angielskim
    Deep Learning and XAI Techniques for Anomaly Detection. Integrate the theory and practice of deep anomaly explainability Cher Simon, Jeff Barr - okladka książki

    Deep Learning and XAI Techniques for Anomaly Detection. Integrate the theory and practice of deep anomaly explainability Cher Simon, Jeff Barr - okladka książki

    Deep Learning and XAI Techniques for Anomaly Detection. Integrate the theory and practice of deep anomaly explainability Cher Simon, Jeff Barr - audiobook MP3

    Deep Learning and XAI Techniques for Anomaly Detection. Integrate the theory and practice of deep anomaly explainability Cher Simon, Jeff Barr - audiobook CD

    Autorzy:
    Cher Simon, Jeff Barr
    Wydawnictwo:
    Packt Publishing (Z chęcią przeczytam książkę w języku polskim)
    Ocena:
    Bądź pierwszym, który oceni tę książkę
    Stron:
    218
    Dostępne formaty:
         PDF
         ePub
    Despite promising advances, the opaque nature of deep learning models makes it difficult to interpret them, which is a drawback in terms of their practical deployment and regulatory compliance.
    Deep Learning and XAI Techniques for Anomaly Detection shows you state-of-the-art methods that’ll help you to understand and address these challenges. By leveraging the Explainable AI (XAI) and deep learning techniques described in this book, you’ll discover how to successfully extract business-critical insights while ensuring fair and ethical analysis.
    This practical guide will provide you with tools and best practices to achieve transparency and interpretability with deep learning models, ultimately establishing trust in your anomaly detection applications. Throughout the chapters, you’ll get equipped with XAI and anomaly detection knowledge that’ll enable you to embark on a series of real-world projects. Whether you are building computer vision, natural language processing, or time series models, you’ll learn how to quantify and assess their explainability.
    By the end of this deep learning book, you’ll be able to build a variety of deep learning XAI models and perform validation to assess their explainability.

    Wybrane bestsellery

    Selling helion.pl

    O autorach książki

    Cher Simon is a principal solutions architect specializing in artificial intelligence, machine learning, and data analytics at AWS. Cher has 20 years of experience in architecting enterprise-scale, data-driven, and AI-powered industry solutions. Besides building cloud-native solutions in her day-to-day role with customers, Cher is also an avid writer and a frequent speaker at AWS conferences.
    Contacted on 3/2/2017 for AWS for Architects by Nishit Shetty

    Packt Publishing - inne książki

    Zamknij

    Przenieś na półkę

    Proszę czekać...
    ajax-loader

    Zamknij

    Wybierz metodę płatności

    Ebook
    116,10 zł
    Dodaj do koszyka

    Wydawnictwo Naukowe Helion »

    Grafika Wydawnictwo Naukowe Helion. Dołącz do nas!
    Zamknij Pobierz aplikację mobilną Ebookpoint
    Zabrania się wykorzystania treści strony do celów eksploracji tekstu i danych (TDM), w tym eksploracji w celu szkolenia technologii AI i innych systemów uczenia maszynowego. It is forbidden to use the content of the site for text and data mining (TDM), including mining for training AI technologies and other machine learning systems.