KI-Beratung Beta

Gutscheinbedingungen

Gültig bis 21.10.2026 | Gültig für nicht preisgebundene fremdsprachige Bücher | Einzelne Artikel können ausgeschlossen sein | Online auf thalia.de und in der Thalia App einlösbar | Click & Collect nur mit Online-Zahlung (Paypal/Kreditkarte) vorab | Nicht kombinierbar mit anderen Gutscheinen oder Preisaktionen | Nur einmal pro Einkauf einlösbar | Gutschein wird auf max. 500€ Bestellwert angerechnet | Keine Barauszahlung | Nicht gültig für Versandkosten und Services

Produktbild: Multiple Instance Learning
- 10%

Multiple Instance Learning Foundations and Algorithms

10% sparen

95,99 € UVP 106,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

17.11.2016

Abbildungen

XI, 233 p. 46 illus., 40 illus. in color.

Verlag

Springer

Seitenzahl

233

Maße (L/B/H)

24,1/16/2 cm

Gewicht

489 g

Auflage

1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-47758-9

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

17.11.2016

Abbildungen

XI, 233 p. 46 illus., 40 illus. in color.

Verlag

Springer

Seitenzahl

233

Maße (L/B/H)

24,1/16/2 cm

Gewicht

489 g

Auflage

1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-47758-9

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Multiple Instance Learning
  • Introduction.- Multiple Instance Learning.- Multi-Instance Classification.- Instance-Based Classification Methods.- Bag-Based Classification Methods.- Multi-Instance Regression.- Unsupervised Multiple Instance Learning.- Data Reduction.- Imbalance Multi-Instance Data.- Multiple Instance Multiple Label Learning.