Bücher zum Thema „Explainability of machine learning models“
Geben Sie eine Quelle nach APA, MLA, Chicago, Harvard und anderen Zitierweisen an
Machen Sie sich mit Top-50 Bücher für die Forschung zum Thema "Explainability of machine learning models" bekannt.
Neben jedem Werk im Literaturverzeichnis ist die Option "Zur Bibliographie hinzufügen" verfügbar. Nutzen Sie sie, wird Ihre bibliographische Angabe des gewählten Werkes nach der nötigen Zitierweise (APA, MLA, Harvard, Chicago, Vancouver usw.) automatisch gestaltet.
Sie können auch den vollen Text der wissenschaftlichen Publikation im PDF-Format herunterladen und eine Online-Annotation der Arbeit lesen, wenn die relevanten Parameter in den Metadaten verfügbar sind.
Sehen Sie die Bücher für verschiedene Spezialgebieten durch und erstellen Sie Ihre Bibliographie auf korrekte Weise.
Nandi, Anirban, und Aditya Kumar Pal. Interpreting Machine Learning Models. Berkeley, CA: Apress, 2022. http://dx.doi.org/10.1007/978-1-4842-7802-4.
Der volle Inhalt der QuelleBolc, Leonard. Computational Models of Learning. Berlin, Heidelberg: Springer Berlin Heidelberg, 1987.
Den vollen Inhalt der Quelle findenGalindez Olascoaga, Laura Isabel, Wannes Meert und Marian Verhelst. Hardware-Aware Probabilistic Machine Learning Models. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-74042-9.
Der volle Inhalt der QuelleSingh, Pramod. Deploy Machine Learning Models to Production. Berkeley, CA: Apress, 2021. http://dx.doi.org/10.1007/978-1-4842-6546-8.
Der volle Inhalt der QuelleZhang, Zhihua. Statistical Machine Learning: Foundations, Methodologies and Models. UK: John Wiley & Sons, Limited, 2017.
Den vollen Inhalt der Quelle findenRendell, Larry. Representations and models for concept learning. Urbana, IL (1304 W. Springfield Ave., Urbana 61801): Dept. of Computer Science, University of Illinois at Urbana-Champaign, 1987.
Den vollen Inhalt der Quelle findenEhteram, Mohammad, Zohreh Sheikh Khozani, Saeed Soltani-Mohammadi und Maliheh Abbaszadeh. Estimating Ore Grade Using Evolutionary Machine Learning Models. Singapore: Springer Nature Singapore, 2023. http://dx.doi.org/10.1007/978-981-19-8106-7.
Der volle Inhalt der QuelleBisong, Ekaba. Building Machine Learning and Deep Learning Models on Google Cloud Platform. Berkeley, CA: Apress, 2019. http://dx.doi.org/10.1007/978-1-4842-4470-8.
Der volle Inhalt der QuelleGupta, Punit, Mayank Kumar Goyal, Sudeshna Chakraborty und Ahmed A. Elngar. Machine Learning and Optimization Models for Optimization in Cloud. Boca Raton: Chapman and Hall/CRC, 2022. http://dx.doi.org/10.1201/9781003185376.
Der volle Inhalt der QuelleSuthaharan, Shan. Machine Learning Models and Algorithms for Big Data Classification. Boston, MA: Springer US, 2016. http://dx.doi.org/10.1007/978-1-4899-7641-3.
Der volle Inhalt der QuelleNaidenova, Xenia. Machine learning methods for commonsense reasoning processes: Interactive models. Hershey, PA: Information Science Reference, 2010.
Den vollen Inhalt der Quelle findenNaidenova, Xenia. Machine learning methods for commonsense reasoning processes: Interactive models. Hershey, PA: Information Science Reference, 2010.
Den vollen Inhalt der Quelle findenRasmussen, Carl Edward. Gaussian processes for machine learning. Cambridge, MA: MIT Press, 2005.
Den vollen Inhalt der Quelle findenNandi, Anirban, und Aditya Kumar Pal. Interpreting Machine Learning Models: Learn Model Interpretability and Explainability Methods. Apress L. P., 2022.
Den vollen Inhalt der Quelle findenBhattacharya, Aditya. Applied Machine Learning Explainability Techniques: Make ML Models Explainable and Trustworthy for Practical Applications Using LIME, SHAP, and More. Packt Publishing, Limited, 2022.
Den vollen Inhalt der Quelle findenBolc, Leonard. Computational Models of Learning. Springer, 2011.
Den vollen Inhalt der Quelle findenCroman, Chasity. Tutorials on Machine Learning: Start Learning Machine Learning and Build Your Own Models. Independently Published, 2022.
Den vollen Inhalt der Quelle findenXin, Liu, Ee-Peng Lim und Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2014.
Den vollen Inhalt der Quelle findenXin, Liu, Ee-Peng Lim und Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2020.
Den vollen Inhalt der Quelle findenN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Den vollen Inhalt der Quelle findenAdversarial Robustness for Machine Learning Models. Elsevier Science & Technology Books, 2022.
Den vollen Inhalt der Quelle findenExplainable Machine Learning Models and Architectures. Wiley & Sons, Incorporated, John, 2023.
Den vollen Inhalt der Quelle findenComputational trust models and machine learning. Boca Raton: Taylor & Francis, 2014.
Den vollen Inhalt der Quelle findenExplainable Machine Learning Models and Architectures. Wiley & Sons, Incorporated, John, 2023.
Den vollen Inhalt der Quelle findenMehtab, Sidra, und Jaydip Sen. Machine Learning: Algorithms, Models and Applications. IntechOpen, 2021.
Den vollen Inhalt der Quelle findenXin, Liu, Ee-Peng Lim und Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2014.
Den vollen Inhalt der Quelle findenXin, Liu, Ee-Peng Lim und Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2014.
Den vollen Inhalt der Quelle findenChen, Gang. Machine Learning: Basics, Models and Trends. Independently Published, 2017.
Den vollen Inhalt der Quelle findenN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Den vollen Inhalt der Quelle findenPractical MLOps: Operationalizing Machine Learning Models. O'Reilly Media, Incorporated, 2021.
Den vollen Inhalt der Quelle findenN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Den vollen Inhalt der Quelle findenExplainable Machine Learning Models and Architectures. Wiley & Sons, Incorporated, John, 2023.
Den vollen Inhalt der Quelle findenN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Den vollen Inhalt der Quelle findenN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Den vollen Inhalt der Quelle findenAdversarial Robustness for Machine Learning Models. Elsevier Science & Technology, 2022.
Den vollen Inhalt der Quelle findenWineinger, Hubert. Python Book : How to Build Predictive Machine Learning Models Step by Step: Machine Learning Models. Independently Published, 2021.
Den vollen Inhalt der Quelle findenGeneralized Low Rank Models. 2016.
Den vollen Inhalt der Quelle findenGeneralized Low Rank Models. Now Publishers, 2016.
Den vollen Inhalt der Quelle findenYeaman, Kym. Machine Learning for Beginners : Code Basic Machine Learning Models Using Python: Introduction to Machine Learning with Python. Independently Published, 2021.
Den vollen Inhalt der Quelle findenComputational models of learning. Berlin: Springer-Verlag, 1987.
Den vollen Inhalt der Quelle findenMadani, Ali. Debugging Machine Learning Models with Python: Develop High-Performance, Low-bias, and Explainable Machine Learning and Deep Learning Models. de Gruyter GmbH, Walter, 2023.
Den vollen Inhalt der Quelle findenStatistical Machine Learning: Foundations, Methodologies and Models. UK: Wiley-Blackwell (an imprint of John Wiley & Sons Ltd), 2020.
Den vollen Inhalt der Quelle findenExplainable Machine Learning Models and Architectu Res. Wiley & Sons, Limited, John, 2023.
Den vollen Inhalt der Quelle findenAgrawal, Tanay. Hyperparameter Optimization in Machine Learning: Make Your Machine Learning and Deep Learning Models More Efficient. Apress L. P., 2020.
Den vollen Inhalt der Quelle findenSammons, Mark, Dan Roth, Fabio Zanzotto und Ido Dagan. Recognizing Textual Entailment: Models and Applications. Springer International Publishing AG, 2013.
Den vollen Inhalt der Quelle findenSammons, Mark, Dan Roth, Fabio Zanzotto und Ido Dagan. Recognizing Textual Entailment: Models and Applications. Morgan & Claypool Publishers, 2013.
Den vollen Inhalt der Quelle findenSammons, Mark, Dan Roth, Fabio Zanzotto und Ido Dagan. Recognizing Textual Entailment: Models and Applications. Morgan & Claypool Publishers, 2013.
Den vollen Inhalt der Quelle findenMachine Learning with Pytorch and Scikit-Learn: Develop Machine Learning and Deep Learning Models with Python. Packt Publishing, Limited, 2022.
Den vollen Inhalt der Quelle findenMachine Learning with Pytorch and Scikit-Learn: Develop Machine Learning and Deep Learning Models with Python. de Gruyter GmbH, Walter, 2022.
Den vollen Inhalt der Quelle findenVidales, A. Machine Learning with Matlab: Supervised Learning Using Predictive Models. Regression. Independently Published, 2019.
Den vollen Inhalt der Quelle finden