Gutscheinbedingungen

**Gültig bis 14.09.2026 auf Spielzeug, Schreibwaren, Filme, Geschenke & Trends, Musik, tolino eReader & Zubehör, Hörbücher, nicht preisgebundene Bücher und Kalender in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Aufgrund der Buchpreisbindung sind deutschsprachige Bücher und eBooks ausgenommen. Zusätzlich ausgenommen sind Abos & Flatrates, Games, Geschenkkarten/-boxen, Shelfies, Software, Zeitschriften sowie einzelne Artikel von tonies®. Pro Einkauf einmal einlösbar. Nur gültig mit im Onlineshop hinterlegter Bonuscard. 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.

Produktbild: Topological Data Analysis for Neural Networks

Topological Data Analysis for Neural Networks

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

03.01.2026

Abbildungen

XII, 103 p. 1 illus.

Verlag

Springer

Seitenzahl

103

Maße (L/B/H)

23,5/15,5/0,7 cm

Gewicht

189 g

Sprache

Englisch

ISBN

978-3-032-08282-4

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

03.01.2026

Abbildungen

XII, 103 p. 1 illus.

Verlag

Springer

Seitenzahl

103

Maße (L/B/H)

23,5/15,5/0,7 cm

Gewicht

189 g

Sprache

Englisch

ISBN

978-3-032-08282-4

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

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: Topological Data Analysis for Neural Networks

  • Chapter 1. Introduction.-
    Part I Fundamentals
    .- Chapter 2. Deep Learning.- Chapter 3. Topological Data Analysis.-
    Part II Interactions
    .- Chapter 4. Challenges in Deep Learning.- Chapter 5. Input and Output Spaces.- Chapter 6. Internal Representations and Activations.- Chapter 7. Training Dynamics and Loss Functions.- Chapter 8. Challenges, Future Directions, and Conclusions.