Name: Apprendimento Automatico: Prospettive di Ricerca, Recenti Progressi e Direzioni Future (en Italiano)
SKU: 69254694
Price: 2390.40 MXN
Availability: InStock
Author: Deepa, V. Amala;;;Leelavathi, R.;Kiruthika, P.
ISBN: 9786630516449

portada Apprendimento Automatico: Prospettive di Ricerca, Recenti Progressi e Direzioni Future (en Italiano)

Apprendimento Automatico: Prospettive di Ricerca, Recenti Progressi e Direzioni Future (en Italiano)

Formato

Libro Físico

Editorial

Edizioni Sapienza

Autor

Deepa, V. Amala;;;Leelavathi, R.;Kiruthika, P.

Idioma

Italiano

N° páginas

272

Encuadernación

Tapa Blanda

ISBN13

9786630516449

Apprendimento Automatico: Prospettive di Ricerca, Recenti Progressi e Direzioni Future (en Italiano)

Deepa, V. Amala;;;Leelavathi, R.;Kiruthika, P. (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo Importado

Envío: 14 a 19 días háb.

$ 3,983.99$ 2,390.40

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan más de 100 unidades

$ 2,390.40

¡Envío Gratis! Llega entre el 11 Nov y el 20 Nov a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Apprendimento Automatico: Prospettive di Ricerca, Recenti Progressi e Direzioni Future (en Italiano)"

Questo libro è una tabella di marcia orientata alla ricerca attraverso il moderno apprendimento automatico, strutturata attraverso tre prospettive: Prospettive di Ricerca, Recenti Progressi e Direzioni Future. La Parte I stabilisce metodologie rigorose, IA centrata sui dati (apprendimento attivo, supervisione debole, mitigazione del bias) e valutazione critica oltre le singole metriche. La Parte II esamina le architetture neurali (dai Transformer ai modelli di spazio di stato), l'ottimizzazione (SAM, doppia discesa), la modellazione generativa (unificazione della diffusione), l'apprendimento profondo geometrico e l'apprendimento auto-supervisionato/multimodale. La Parte III copre i modelli fondativi - leggi di scala, abilità emergenti (apprendimento nel contesto, catena di pensiero), frontiere dell'IA generativa (allucinazione, generazione controllabile) e approcci neuro-simbolici (RAG, uso di strumenti). La Parte IV affronta le grandi sfide: apprendimento automatico efficiente/sostenibile, apprendimento continuo/meta-apprendimento, interpretabilità/robustezza/allineamento (RLHF, rappresentazione causale) e percorsi verso l'AGI con impatto sociale. Ogni capitolo include domande aperte e checklist pratiche di ricerca, con l'obiettivo di trasformare i lettori da consumatori a contributori.