Livres sur le sujet « Explainability of machine learning models »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les 50 meilleurs livres pour votre recherche sur le sujet « Explainability of machine learning models ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Parcourez les livres sur diverses disciplines et organisez correctement votre bibliographie.
Nandi, Anirban, et Aditya Kumar Pal. Interpreting Machine Learning Models. Berkeley, CA : Apress, 2022. http://dx.doi.org/10.1007/978-1-4842-7802-4.
Texte intégralBolc, Leonard. Computational Models of Learning. Berlin, Heidelberg : Springer Berlin Heidelberg, 1987.
Trouver le texte intégralGalindez Olascoaga, Laura Isabel, Wannes Meert et Marian Verhelst. Hardware-Aware Probabilistic Machine Learning Models. Cham : Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-74042-9.
Texte intégralSingh, Pramod. Deploy Machine Learning Models to Production. Berkeley, CA : Apress, 2021. http://dx.doi.org/10.1007/978-1-4842-6546-8.
Texte intégralZhang, Zhihua. Statistical Machine Learning : Foundations, Methodologies and Models. UK : John Wiley & Sons, Limited, 2017.
Trouver le texte intégralRendell, 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.
Trouver le texte intégralEhteram, Mohammad, Zohreh Sheikh Khozani, Saeed Soltani-Mohammadi et 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.
Texte intégralBisong, 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.
Texte intégralGupta, Punit, Mayank Kumar Goyal, Sudeshna Chakraborty et 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.
Texte intégralSuthaharan, 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.
Texte intégralNaidenova, Xenia. Machine learning methods for commonsense reasoning processes : Interactive models. Hershey, PA : Information Science Reference, 2010.
Trouver le texte intégralNaidenova, Xenia. Machine learning methods for commonsense reasoning processes : Interactive models. Hershey, PA : Information Science Reference, 2010.
Trouver le texte intégralRasmussen, Carl Edward. Gaussian processes for machine learning. Cambridge, MA : MIT Press, 2005.
Trouver le texte intégralNandi, Anirban, et Aditya Kumar Pal. Interpreting Machine Learning Models : Learn Model Interpretability and Explainability Methods. Apress L. P., 2022.
Trouver le texte intégralBhattacharya, Aditya. Applied Machine Learning Explainability Techniques : Make ML Models Explainable and Trustworthy for Practical Applications Using LIME, SHAP, and More. Packt Publishing, Limited, 2022.
Trouver le texte intégralBolc, Leonard. Computational Models of Learning. Springer, 2011.
Trouver le texte intégralCroman, Chasity. Tutorials on Machine Learning : Start Learning Machine Learning and Build Your Own Models. Independently Published, 2022.
Trouver le texte intégralXin, Liu, Ee-Peng Lim et Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2014.
Trouver le texte intégralXin, Liu, Ee-Peng Lim et Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2020.
Trouver le texte intégralN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Trouver le texte intégralAdversarial Robustness for Machine Learning Models. Elsevier Science & Technology Books, 2022.
Trouver le texte intégralExplainable Machine Learning Models and Architectures. Wiley & Sons, Incorporated, John, 2023.
Trouver le texte intégralComputational trust models and machine learning. Boca Raton : Taylor & Francis, 2014.
Trouver le texte intégralExplainable Machine Learning Models and Architectures. Wiley & Sons, Incorporated, John, 2023.
Trouver le texte intégralMehtab, Sidra, et Jaydip Sen. Machine Learning : Algorithms, Models and Applications. IntechOpen, 2021.
Trouver le texte intégralXin, Liu, Ee-Peng Lim et Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2014.
Trouver le texte intégralXin, Liu, Ee-Peng Lim et Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2014.
Trouver le texte intégralChen, Gang. Machine Learning : Basics, Models and Trends. Independently Published, 2017.
Trouver le texte intégralN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Trouver le texte intégralPractical MLOps : Operationalizing Machine Learning Models. O'Reilly Media, Incorporated, 2021.
Trouver le texte intégralN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Trouver le texte intégralExplainable Machine Learning Models and Architectures. Wiley & Sons, Incorporated, John, 2023.
Trouver le texte intégralN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Trouver le texte intégralN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Trouver le texte intégralAdversarial Robustness for Machine Learning Models. Elsevier Science & Technology, 2022.
Trouver le texte intégralWineinger, Hubert. Python Book : How to Build Predictive Machine Learning Models Step by Step : Machine Learning Models. Independently Published, 2021.
Trouver le texte intégralGeneralized Low Rank Models. 2016.
Trouver le texte intégralGeneralized Low Rank Models. Now Publishers, 2016.
Trouver le texte intégralYeaman, Kym. Machine Learning for Beginners : Code Basic Machine Learning Models Using Python : Introduction to Machine Learning with Python. Independently Published, 2021.
Trouver le texte intégralComputational models of learning. Berlin : Springer-Verlag, 1987.
Trouver le texte intégralMadani, 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.
Trouver le texte intégralStatistical Machine Learning : Foundations, Methodologies and Models. UK : Wiley-Blackwell (an imprint of John Wiley & Sons Ltd), 2020.
Trouver le texte intégralExplainable Machine Learning Models and Architectu Res. Wiley & Sons, Limited, John, 2023.
Trouver le texte intégralAgrawal, Tanay. Hyperparameter Optimization in Machine Learning : Make Your Machine Learning and Deep Learning Models More Efficient. Apress L. P., 2020.
Trouver le texte intégralSammons, Mark, Dan Roth, Fabio Zanzotto et Ido Dagan. Recognizing Textual Entailment : Models and Applications. Springer International Publishing AG, 2013.
Trouver le texte intégralSammons, Mark, Dan Roth, Fabio Zanzotto et Ido Dagan. Recognizing Textual Entailment : Models and Applications. Morgan & Claypool Publishers, 2013.
Trouver le texte intégralSammons, Mark, Dan Roth, Fabio Zanzotto et Ido Dagan. Recognizing Textual Entailment : Models and Applications. Morgan & Claypool Publishers, 2013.
Trouver le texte intégralMachine Learning with Pytorch and Scikit-Learn : Develop Machine Learning and Deep Learning Models with Python. Packt Publishing, Limited, 2022.
Trouver le texte intégralMachine Learning with Pytorch and Scikit-Learn : Develop Machine Learning and Deep Learning Models with Python. de Gruyter GmbH, Walter, 2022.
Trouver le texte intégralVidales, A. Machine Learning with Matlab : Supervised Learning Using Predictive Models. Regression. Independently Published, 2019.
Trouver le texte intégral