Produkt zum Begriff Learning:
-
Ekman, Magnus: Learning Deep Learning
Learning Deep Learning , NVIDIA's Full-Color Guide to Deep Learning: All StudentsNeed to Get Started and Get Results Learning Deep Learning is a complete guide to DL.Illuminating both the core concepts and the hands-on programming techniquesneeded to succeed, this book suits seasoned developers, data scientists,analysts, but also those with no prior machine learning or statisticsexperience. After introducing the essential building blocks of deep neural networks, such as artificial neurons and fully connected, convolutional, and recurrent layers,Magnus Ekman shows how to use them to build advanced architectures, includingthe Transformer. He describes how these concepts are used to build modernnetworks for computer vision and natural language processing (NLP), includingMask R-CNN, GPT, and BERT. And he explains how a natural language translatorand a system generating natural language descriptions of images. Throughout, Ekman provides concise, well-annotated code examples usingTensorFlow with Keras. Corresponding PyTorch examples are provided online, andthe book thereby covers the two dominating Python libraries for DL used inindustry and academia. He concludes with an introduction to neural architecturesearch (NAS), exploring important ethical issues and providing resources forfurther learning. Exploreand master core concepts: perceptrons, gradient-based learning, sigmoidneurons, and back propagation See how DL frameworks make it easier to developmore complicated and useful neural networks Discover how convolutional neuralnetworks (CNNs) revolutionize image classification and analysis Apply recurrentneural networks (RNNs) and long short-term memory (LSTM) to text and othervariable-length sequences Master NLP with sequence-to-sequence networks and theTransformer architecture Build applications for natural language translation andimage captioning , >
Preis: 49.28 € | Versand*: 0 € -
Learning Blender
Master the Newest Blender Techniques for Creating Amazing 3D Characters: From Design and Modeling to Video CompositingNow fully updated for Blender 2.83 LTS (Long-Term Support) and beyond, Learning Blender, Third Edition, walks you through every step of creating an outstanding 3D animated character with Blender, and then compositing it in a real video using a professional workflow. This edition covers the extensive interface changes of the software, as well as many improvements and some almost fully rewritten chapters to showcase more modern workflows.Still the only Blender tutorial to take you from preproduction to final result, this guide is perfect for both novices and those moving from other software to Blender (open source and free software). Author Oliver Villar provides full-color, hands-on chapters that cover every aspect of character creation: design, modeling, unwrapping, texturing, shading, rigging, animation, and rendering. He also walks you through integrating your animated character into a real-world video, using professional camera tracking, lighting, and compositing techniques.The rich companion website (blendtuts.com/learning-blender-files) will help you quickly master even the most complex techniques with bonus contents like video tutorials. By the time you're done, you'll be ready to create outstanding characters for all media -- and you'll have up-to-date skills for any 3D project, whether it involves characters or not.Learn Blender's updated user interface and navigationCreate your first scene with Blender and the Blender Render and Cycles render enginesOrganize an efficient, step-by-step pipeline to streamline workflow in any projectMaster modeling, unwrapping, and texturingBring your character to life with materials and shading in both Cycles and EEVEE (the new real-time render engine included in Blender)Create your character's skeleton and make it walkUse Camera Tracking to mix 3D objects into a real-world videoTransform a raw rendered scene into the final result using Blender's compositing nodesRegister your book for convenient access to downloads, updates, and/or corrections as they become available. See inside book for details.
Preis: 33.16 € | Versand*: 0 € -
Human Learning
Ormrod’s engaging, conversational writing style introduces readers to all of the essential learning theories and their real-world classroom implications The market-leading education textbook on learning theories, Human Learning, looks at a broad range of theoretical perspectives, including behaviorist, social cognitive, cognitive, constructivist, cognitive-developmental, sociocultural, and contextual. Each chapter is filled with concrete examples of how these theories apply to learning, instruction, and assessment as well as specific ways readers can apply the theories in their own classrooms. The straightforward, conversational writing style readily engages readers and helps them truly understand the concepts, principles, and theories related to human learning and cognition. The new 8th Edition includes expanded discussions of several contemporary perspectives and a variety of new topics that have emerged in recent research (e.g., motivated reasoning, desirable difficulties). Some discussions of psychological perspectives on learning that have primarily historical value have been either condensed or altogether removed to make room for recent advances in theory and research.
Preis: 90.94 € | Versand*: 0 € -
Easy Learning
Kinder-Wanduhr "Easy Learning", Durchmesser 30 cm, geräuscharm
Preis: 30.96 € | Versand*: 6.96 €
-
Warum Deep Learning im Vergleich zu Machine Learning?
Deep Learning unterscheidet sich von Machine Learning durch seine Fähigkeit, automatisch Merkmale aus den Daten zu extrahieren, anstatt dass diese manuell definiert werden müssen. Dadurch ist Deep Learning in der Lage, komplexere und abstraktere Muster in den Daten zu erkennen und zu lernen. Dies ermöglicht es Deep Learning-Modellen, in vielen Anwendungsbereichen, wie Bild- und Spracherkennung, bessere Leistungen zu erzielen als herkömmliche Machine Learning-Modelle.
-
Kennt sich jemand mit Machine Learning aus?
Ja, es gibt viele Menschen, die sich mit Machine Learning auskennen. Machine Learning ist ein Teilgebiet der künstlichen Intelligenz, das sich mit der Entwicklung von Algorithmen und Modellen befasst, die es Computern ermöglichen, aus Daten zu lernen und Vorhersagen oder Entscheidungen zu treffen. Es gibt viele Experten und Forscher, die sich intensiv mit Machine Learning beschäftigen und in verschiedenen Bereichen wie der Medizin, der Finanzwelt oder der Robotik Anwendungen entwickeln.
-
Ist AWS der Standard im Machine Learning?
AWS ist einer der führenden Anbieter von Cloud-Computing-Diensten, einschließlich Machine Learning. Es bietet eine breite Palette von ML-Diensten und Tools wie Amazon SageMaker und Amazon Rekognition, die von vielen Unternehmen genutzt werden. Obwohl AWS als Standard angesehen werden kann, gibt es auch andere Anbieter wie Google Cloud und Microsoft Azure, die ebenfalls starke ML-Funktionen bieten. Die Wahl des richtigen Anbieters hängt von den spezifischen Anforderungen und Präferenzen des Unternehmens ab.
-
Wie funktioniert die Gesichtserkennung mit Deep Learning?
Die Gesichtserkennung mit Deep Learning basiert auf neuronalen Netzwerken, die speziell für die Verarbeitung von Bildern entwickelt wurden. Das Modell wird mit einer großen Menge an Bildern von Gesichtern trainiert, um Muster und Merkmale zu erkennen. Anschließend kann das Modell verwendet werden, um Gesichter in neuen Bildern zu identifizieren und zu klassifizieren. Dabei werden verschiedene Schichten des neuronalen Netzwerks genutzt, um die Merkmale des Gesichts zu extrahieren und zu analysieren.
Ähnliche Suchbegriffe für Learning:
-
Introducing Machine Learning
Master machine learning concepts and develop real-world solutions Machine learning offers immense opportunities, and Introducing Machine Learning delivers practical knowledge to make the most of them. Dino and Francesco Esposito start with a quick overview of the foundations of artificial intelligence and the basic steps of any machine learning project. Next, they introduce Microsoft’s powerful ML.NET library, including capabilities for data processing, training, and evaluation. They present families of algorithms that can be trained to solve real-life problems, as well as deep learning techniques utilizing neural networks. The authors conclude by introducing valuable runtime services available through the Azure cloud platform and consider the long-term business vision for machine learning. · 14-time Microsoft MVP Dino Esposito and Francesco Esposito help you · Explore what’s known about how humans learn and how intelligent software is built · Discover which problems machine learning can address · Understand the machine learning pipeline: the steps leading to a deliverable model · Use AutoML to automatically select the best pipeline for any problem and dataset · Master ML.NET, implement its pipeline, and apply its tasks and algorithms · Explore the mathematical foundations of machine learning · Make predictions, improve decision-making, and apply probabilistic methods · Group data via classification and clustering · Learn the fundamentals of deep learning, including neural network design · Leverage AI cloud services to build better real-world solutions faster About This Book · For professionals who want to build machine learning applications: both developers who need data science skills and data scientists who need relevant programming skills · Includes examples of machine learning coding scenarios built using the ML.NET library
Preis: 29.95 € | Versand*: 0 € -
Interface Design for Learning: Design Strategies for Learning Experiences
In offices, colleges, and living rooms across the globe, learners of all ages are logging into virtual laboratories, online classrooms, and 3D worlds. Kids from kindergarten to high school are honing math and literacy skills on their phones and iPads. If that weren’t enough, people worldwide are aggregating internet services (from social networks to media content) to learn from each other in “Personal Learning Environments.” Strange as it sounds, the future of education is now as much in the hands of digital designers and programmers as it is in the hands of teachers.And yet, as interface designers, how much do we really know about how people learn? How does interface design actually impact learning? And how do we design environments that support both the cognitive and emotional sides of learning experiences? The answers have been hidden away in the research on education, psychology, and human computer interaction, until now. Packed with over 100 evidence-based strategies, in this book you’ll learn how to:Design educational games, apps, and multimedia interfaces in ways that enhance learningSupport creativity, problem-solving, and collaboration through interface designDesign effective visual layouts, navigation, and multimedia for online and mobile learningImprove educational outcomes through interface design.
Preis: 18.18 € | Versand*: 0 € -
Handbook Transdisciplinary Learning
Handbook Transdisciplinary Learning , What is transdisciplinarity - and what are its methods? How does a living lab work? What is the purpose of citizen science, student-organized teaching and cooperative education? This handbook unpacks key terms and concepts to describe the range of transdisciplinary learning in the context of academic education. Transdisciplinary learning turns out to be a comprehensive innovation process in response to the major global challenges such as climate change, urbanization or migration. A reference work for students, lecturers, scientists, and anyone wanting to understand the profound changes in higher education. , Studium & Erwachsenenbildung > Fachbücher, Lernen & Nachschlagen , Erscheinungsjahr: 202308, Produktform: Kartoniert, Beilage: Kt, Titel der Reihe: Hochschulbildung: Lehre und Forschung#6#, Redaktion: Philipp, Thorsten~Schmohl, Tobias, Seitenzahl/Blattzahl: 422, Abbildungen: 10 Farbabbildungen, Themenüberschrift: EDUCATION / Organizations & Institutions, Keyword: Education; Educational Research; Interdisciplinarity; Pedagogy; Philosophy of Science; Sociology of Education; Theory of Education; Transdisciplinarity; Transfer; Transformative Science; University; University Teaching, Fachschema: Bildungssystem~Bildungswesen~Pädagogik / Theorie, Philosophie, Anthropologie~Studium, Fachkategorie: Bildungssysteme und -strukturen~Pädagogik: Theorie und Philosopie~Hochschulbildung, Fort- und Weiterbildung~Bildungswesen: Organisation und Verwaltung~Fachspezifischer Unterricht, Warengruppe: TB/Bildungswesen (Schule/Hochschule), Fachkategorie: Schule und Lernen: Philosophie und Ethik, Thema: Verstehen, Text Sprache: eng, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Verlag: Transcript Verlag, Verlag: Transcript Verlag, Verlag: Gost, Roswitha, u. Karin Werner, Länge: 225, Breite: 147, Höhe: 30, Gewicht: 662, Produktform: Kartoniert, Genre: Sozialwissenschaften/Recht/Wirtschaft, Genre: Sozialwissenschaften/Recht/Wirtschaft, Herkunftsland: DEUTSCHLAND (DE), Katalog: Gesamtkatalog, Katalog: Internationale Lagertitel, Katalog: internationale Titel, Katalog: Lagerartikel, Book on Demand, ausgew. Medienartikel, Relevanz: 0004, Tendenz: -1, Unterkatalog: AK, Unterkatalog: Bücher, Unterkatalog: Lagerartikel, Unterkatalog: Taschenbuch, WolkenId: 2879657
Preis: 31.42 € | Versand*: 0 € -
Visible Learning 2.0
Visible Learning 2.0 , Als das Original von Visible Learning im Jahr 2008 veröffentlicht wurde, stellte es sich sofort als eine verlegerische Sensation heraus. Das Interesse an dem Buch war beispiellos und innerhalb weniger Tage war es ausverkauft. Im TES (Times Educational Supplement) wurde es als "der Heilige Gral des Unterrichts" bezeichnet. Die Forschung, auf die die vorliegende Weiterentwicklung von Visible Learning basiert, stützt sich inzwischen auf mehr als 2.100 Meta-Analysen (mehr als doppelt so viele wie in der ursprünglichen Veröffentlichung mit ca. 800 Meta-Analysen), die mehr als 130.000 Studien umfassen und an denen geschätzt mehr als 400 Millionen Lernende aus aller Welt teilgenommen haben. Dieses Buch ist jedoch mehr als nur eine Neuauflage: Es ist eine Weiterentwicklung, die das große Ganze beleuchtet, die Umsetzung von Visible Learning in den Schulen reflektiert, wie es verstanden - und manchmal auch missverstanden - wurde und welche Richtung die Forschung in Zukunft einschlagen sollte. Visible Learning 2.0 bekräftigt John Hatties Wunsch, nicht nur das in den Blick zu nehmen, was funktioniert, sondern auch und vor allem das, was am besten funktioniert, indem er entscheidende Fragen stellt wie: Warum ist die derzeitige Grammatik des Schulunterrichts in so vielen Klassenzimmern so fest verankert und wie können wir sie verbessern? Warum ist die Lernentwicklungskurve für Lehrpersonen nach den ersten Berufsjahren so flach? Wie können wir die Denkweise von Lehrpersonen so entwickeln, dass sie sich mehr auf das Lernen und Zuhören konzentrieren (und weniger auf das Lehren und Sprechen)? Wie können wir Forschungsergebnisse in die Diskussionen der Schulen und der Kollegien bringen? Zu den besprochenen Bereichen gehören: - Die Forschungsbasis und die Reaktionen auf Visible Learning - Das Visible Learning Modell - Die bewusste Abstimmung von Lern- und Lehrstrategien - Der Einfluss des Elternhauses, der Lernenden, der Lehrpersonen, der Klassenzimmer, der Schulen, der Lehrpläne auf die Lernleistung. - Der Einfluss von Technologie Aufbauend auf dem Erfolg des Originals erweitert diese mit Spannung erwartete Weiterführung John Hatties Modell des Lehrens und Lernens auf der Grundlage von Einflussgrößen und ist eine unverzichtbare Lektüre für alle, die im Bildungsbereich tätig sind - sei es als Forschende, Lehrpersonen, Lernende, Schulleitungen, Lehrerbildnerinnen und Lehrerbildner oder politische Entscheidungsträger. John Hattie ist emeritierter Professor an der Graduate School of Education der Universität von Melbourne, Australien. Er ist einer der weltweit bekanntesten und meistgelesenen Bildungsexperten. Seine Bücher zu Visible Learning wurden in 29 Sprachen übersetzt und über 2 Millionen Mal verkauft. Stephan Wernke vertrat die Professur für Schulpädagogik an der Universität Vechta und ist wissenschaftlicher Mitarbeiter in der Schulpädagogik und Allgemeinen Didaktik an der Carl von Ossietzky Universität in Oldenburg. Er hat an mehreren Übersetzungen von John Hatties Büchern mitgewirkt (u. a. Lernen sichtbar machen). Klaus Zierer ist Ordinarius für Schulpädagogik an der Universität Augsburg und Associated Research Fellow am Centre on Skills, Knowledge and Organisational Performance (SKOPE) der University of Oxford. Er hat bereits mehrere Bücher von John Hattie ins Deutsche übertragen (u. a. Lernen sichtbar machen) und auch auf Englisch mit ihm publiziert (u.a. 10 Mindframes for Visible Learning). , >
Preis: 32.00 € | Versand*: 0 €
-
Wie kann Distance Learning dazu beitragen, den Zugang zu Bildungsmöglichkeiten zu verbessern? Welche Vorteile bietet Distance Learning im Vergleich zum traditionellen Unterricht?
Distance Learning ermöglicht es Menschen, unabhhängig von ihrem Standort, Zugang zu Bildungsmöglichkeiten zu erhalten. Es bietet Flexibilität in Bezug auf Zeit und Ort des Lernens, was es insbesondere für Berufstätige oder Menschen mit anderen Verpflichtungen attraktiv macht. Zudem können durch Distance Learning Kosten gespart werden, da keine Anreise zum Unterrichtsort erforderlich ist.
-
Ist Bio nachhaltig?
Ist Bio nachhaltig? Diese Frage ist nicht einfach zu beantworten, da es verschiedene Aspekte zu berücksichtigen gibt. Bio-Landwirtschaft setzt auf natürliche Methoden und verzichtet auf den Einsatz von chemischen Pestiziden und Düngemitteln, was positiv für die Umwelt sein kann. Allerdings benötigt Bio-Landwirtschaft oft mehr Fläche und Ressourcen, was möglicherweise nicht immer nachhaltig ist. Zudem sind Transportwege bei Bio-Produkten oft länger, was wiederum negativ für die Umwelt sein kann. Letztendlich hängt die Nachhaltigkeit von Bio-Produkten von verschiedenen Faktoren ab und kann nicht pauschal beantwortet werden.
-
Was sind die Vorteile von E-Learning gegenüber traditionellen Unterrichtsmethoden?
Die Vorteile von E-Learning gegenüber traditionellen Unterrichtsmethoden sind Flexibilität, da Lernende ihren eigenen Zeitplan erstellen können, Zugänglichkeit, da Lerninhalte von überall aus abgerufen werden können, und Kostenersparnis, da keine Reise- oder Unterkunftskosten anfallen.
-
Was sind die Anwendungsmöglichkeiten von Deep Learning in der heutigen Technologie?
Deep Learning wird in der Bild- und Spracherkennung eingesetzt, um die Genauigkeit und Leistungsfähigkeit von Systemen zu verbessern. Es wird auch in der medizinischen Diagnose, der Finanzanalyse und der autonomen Fahrzeugtechnologie verwendet. Darüber hinaus findet Deep Learning Anwendung in der personalisierten Werbung, der Robotik und der Übersetzung von Sprachen.
* Alle Preise verstehen sich inklusive der gesetzlichen Mehrwertsteuer und ggf. zuzüglich Versandkosten. Die Angebotsinformationen basieren auf den Angaben des jeweiligen Shops und werden über automatisierte Prozesse aktualisiert. Eine Aktualisierung in Echtzeit findet nicht statt, so dass es im Einzelfall zu Abweichungen kommen kann.