Książki na temat „Explainability of machine learning models”
Utwórz poprawne odniesienie w stylach APA, MLA, Chicago, Harvard i wielu innych
Sprawdź 50 najlepszych książek naukowych na temat „Explainability of machine learning models”.
Przycisk „Dodaj do bibliografii” jest dostępny obok każdej pracy w bibliografii. Użyj go – a my automatycznie utworzymy odniesienie bibliograficzne do wybranej pracy w stylu cytowania, którego potrzebujesz: APA, MLA, Harvard, Chicago, Vancouver itp.
Możesz również pobrać pełny tekst publikacji naukowej w formacie „.pdf” i przeczytać adnotację do pracy online, jeśli odpowiednie parametry są dostępne w metadanych.
Przeglądaj książki z różnych dziedzin i twórz odpowiednie bibliografie.
Nandi, Anirban, i Aditya Kumar Pal. Interpreting Machine Learning Models. Berkeley, CA: Apress, 2022. http://dx.doi.org/10.1007/978-1-4842-7802-4.
Pełny tekst źródłaBolc, Leonard. Computational Models of Learning. Berlin, Heidelberg: Springer Berlin Heidelberg, 1987.
Znajdź pełny tekst źródłaGalindez Olascoaga, Laura Isabel, Wannes Meert i Marian Verhelst. Hardware-Aware Probabilistic Machine Learning Models. Cham: Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-74042-9.
Pełny tekst źródłaSingh, Pramod. Deploy Machine Learning Models to Production. Berkeley, CA: Apress, 2021. http://dx.doi.org/10.1007/978-1-4842-6546-8.
Pełny tekst źródłaZhang, Zhihua. Statistical Machine Learning: Foundations, Methodologies and Models. UK: John Wiley & Sons, Limited, 2017.
Znajdź pełny tekst źródłaRendell, 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.
Znajdź pełny tekst źródłaEhteram, Mohammad, Zohreh Sheikh Khozani, Saeed Soltani-Mohammadi i 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.
Pełny tekst źródłaBisong, 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.
Pełny tekst źródłaGupta, Punit, Mayank Kumar Goyal, Sudeshna Chakraborty i 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.
Pełny tekst źródłaSuthaharan, 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.
Pełny tekst źródłaNaidenova, Xenia. Machine learning methods for commonsense reasoning processes: Interactive models. Hershey, PA: Information Science Reference, 2010.
Znajdź pełny tekst źródłaNaidenova, Xenia. Machine learning methods for commonsense reasoning processes: Interactive models. Hershey, PA: Information Science Reference, 2010.
Znajdź pełny tekst źródłaRasmussen, Carl Edward. Gaussian processes for machine learning. Cambridge, MA: MIT Press, 2005.
Znajdź pełny tekst źródłaNandi, Anirban, i Aditya Kumar Pal. Interpreting Machine Learning Models: Learn Model Interpretability and Explainability Methods. Apress L. P., 2022.
Znajdź pełny tekst źródłaBhattacharya, Aditya. Applied Machine Learning Explainability Techniques: Make ML Models Explainable and Trustworthy for Practical Applications Using LIME, SHAP, and More. Packt Publishing, Limited, 2022.
Znajdź pełny tekst źródłaBolc, Leonard. Computational Models of Learning. Springer, 2011.
Znajdź pełny tekst źródłaCroman, Chasity. Tutorials on Machine Learning: Start Learning Machine Learning and Build Your Own Models. Independently Published, 2022.
Znajdź pełny tekst źródłaXin, Liu, Ee-Peng Lim i Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2014.
Znajdź pełny tekst źródłaXin, Liu, Ee-Peng Lim i Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2020.
Znajdź pełny tekst źródłaN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Znajdź pełny tekst źródłaAdversarial Robustness for Machine Learning Models. Elsevier Science & Technology Books, 2022.
Znajdź pełny tekst źródłaExplainable Machine Learning Models and Architectures. Wiley & Sons, Incorporated, John, 2023.
Znajdź pełny tekst źródłaComputational trust models and machine learning. Boca Raton: Taylor & Francis, 2014.
Znajdź pełny tekst źródłaExplainable Machine Learning Models and Architectures. Wiley & Sons, Incorporated, John, 2023.
Znajdź pełny tekst źródłaMehtab, Sidra, i Jaydip Sen. Machine Learning: Algorithms, Models and Applications. IntechOpen, 2021.
Znajdź pełny tekst źródłaXin, Liu, Ee-Peng Lim i Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2014.
Znajdź pełny tekst źródłaXin, Liu, Ee-Peng Lim i Anwitaman Datta. Computational Trust Models and Machine Learning. Taylor & Francis Group, 2014.
Znajdź pełny tekst źródłaChen, Gang. Machine Learning: Basics, Models and Trends. Independently Published, 2017.
Znajdź pełny tekst źródłaN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Znajdź pełny tekst źródłaPractical MLOps: Operationalizing Machine Learning Models. O'Reilly Media, Incorporated, 2021.
Znajdź pełny tekst źródłaN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Znajdź pełny tekst źródłaExplainable Machine Learning Models and Architectures. Wiley & Sons, Incorporated, John, 2023.
Znajdź pełny tekst źródłaN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Znajdź pełny tekst źródłaN, Ambika. Building Business Models with Machine Learning. IGI Global, 2024.
Znajdź pełny tekst źródłaAdversarial Robustness for Machine Learning Models. Elsevier Science & Technology, 2022.
Znajdź pełny tekst źródłaWineinger, Hubert. Python Book : How to Build Predictive Machine Learning Models Step by Step: Machine Learning Models. Independently Published, 2021.
Znajdź pełny tekst źródłaGeneralized Low Rank Models. 2016.
Znajdź pełny tekst źródłaGeneralized Low Rank Models. Now Publishers, 2016.
Znajdź pełny tekst źródłaYeaman, Kym. Machine Learning for Beginners : Code Basic Machine Learning Models Using Python: Introduction to Machine Learning with Python. Independently Published, 2021.
Znajdź pełny tekst źródłaComputational models of learning. Berlin: Springer-Verlag, 1987.
Znajdź pełny tekst źródłaMadani, 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.
Znajdź pełny tekst źródłaStatistical Machine Learning: Foundations, Methodologies and Models. UK: Wiley-Blackwell (an imprint of John Wiley & Sons Ltd), 2020.
Znajdź pełny tekst źródłaExplainable Machine Learning Models and Architectu Res. Wiley & Sons, Limited, John, 2023.
Znajdź pełny tekst źródłaAgrawal, Tanay. Hyperparameter Optimization in Machine Learning: Make Your Machine Learning and Deep Learning Models More Efficient. Apress L. P., 2020.
Znajdź pełny tekst źródłaSammons, Mark, Dan Roth, Fabio Zanzotto i Ido Dagan. Recognizing Textual Entailment: Models and Applications. Springer International Publishing AG, 2013.
Znajdź pełny tekst źródłaSammons, Mark, Dan Roth, Fabio Zanzotto i Ido Dagan. Recognizing Textual Entailment: Models and Applications. Morgan & Claypool Publishers, 2013.
Znajdź pełny tekst źródłaSammons, Mark, Dan Roth, Fabio Zanzotto i Ido Dagan. Recognizing Textual Entailment: Models and Applications. Morgan & Claypool Publishers, 2013.
Znajdź pełny tekst źródłaMachine Learning with Pytorch and Scikit-Learn: Develop Machine Learning and Deep Learning Models with Python. Packt Publishing, Limited, 2022.
Znajdź pełny tekst źródłaMachine Learning with Pytorch and Scikit-Learn: Develop Machine Learning and Deep Learning Models with Python. de Gruyter GmbH, Walter, 2022.
Znajdź pełny tekst źródłaVidales, A. Machine Learning with Matlab: Supervised Learning Using Predictive Models. Regression. Independently Published, 2019.
Znajdź pełny tekst źródła