Gutscheinbedingungen

**Gültig bis 25.08.2026 ab einem Mindestbestellwert von 30€ auf Spielzeug, Schreibwaren, Filme, Geschenke & Trends, Musik, tolino eReader & Zubehör, Hörbücher und Hörbuch-Downloads (außer Abo), nicht preisgebundene Bücher und Kalender online auf thalia.at und in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Aufgrund der Buchpreisbindung sind deutschsprachige Bücher und eBooks ausgenommen. Zusätzlich ausgenommen sind preisgebundene Artikel, Abos & Flatrates, eBooks, Games, Geschenkkarten/-boxen, Shelfies, Software, Zeitschriften sowie einzelne Artikel von tonies®. Pro Einkauf einmal einlösbar. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Versandkosten und Services. Preisgebundene Artikel sind vom Mindestbestellwert ausgeschlossen.

  • Produktbild: Bayesian Optimization
  • Produktbild: Bayesian Optimization
- 13%

Bayesian Optimization Theory and Practice Using Python

13% sparen

56,99 € UVP 65,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

24.03.2023

Verlag

Apress

Seitenzahl

234

Maße (L/B/H)

25,4/17,8/1,4 cm

Gewicht

482 g

Sprache

Englisch

ISBN

978-1-4842-9062-0

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

24.03.2023

Verlag

Apress

Seitenzahl

234

Maße (L/B/H)

25,4/17,8/1,4 cm

Gewicht

482 g

Sprache

Englisch

ISBN

978-1-4842-9062-0

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Bayesian Optimization
  • Produktbild: Bayesian Optimization
  • Chapter 1: Bayesian Optimization Overview.- Chapter 2:  Gaussian Process.- Chapter 3: Bayesian Decision Theory and Expected Improvement.- Chapter 4 : Gaussian Process Regression with GPyTorch.- Chapter 5:  Monte Carlo Acquisition Function with Sobol Sequences and Random Restart.- Chapter 6 : Knowledge Gradient: Nested Optimization versus One-shot Learning.- Chapter 7 : Case Study: Tuning CNN Learning Rate with BoTorch.