Manuale completo sul deep learning: CNN, RNN e modelli generativi [Italian]

By Sundaresan K and NALLAKUMAR R

Questo libro offre un'introduzione completa e strutturata alle basi, alle architetture e alle applicazioni del deep learning. Partendo da concetti matematici fondamentali come l'algebra lineare, la probabilit e l'ottimizzazione, costruisce una solida base per la comprensione delle moderne reti neurali. Il testo esplora idee chiave come la capacit del modello, il bias-variance trade-off, l'overfitting e la regolazione dell'iperparametro. Il lettore viene quindi guidato attraverso le principali architetture di deep learning, tra cui le reti neurali convoluzionali (CNN) per l'analisi delle immagini, le reti neurali ricorrenti (RNN) e le LSTM per la modellazione delle sequenze e i modelli generativi avanzati come gli autoencoder, gli autoencoder variazionali (VAE) e le reti generative adverse (GAN). Ogni capitolo presenta spiegazioni chiare, diagrammi ed esempi pratici per semplificare concetti complessi. Pensato per studenti, educatori e professionisti dell'IA, il libro fornisce sia approfondimenti teorici sia intuizioni pratiche. un riferimento completo per chiunque voglia capire, costruire e applicare efficacemente modelli di deep learning a problemi reali di computer vision, elaborazione del linguaggio naturale e IA generativa.

• Format: Paperback
• Language: Italian
• ISBN: 6209883915
• ISBN13: 9786209883910
• Release Date: April 2026
• Publisher: Edizioni Sapienza
• Length: 128 Pages
• Weight: 0.40 lbs.
• Dimensions: 0.3" x 6.0" x 9.0"