Enlace del recurso

Enlace del recurso

Tabla de Contenidos: “…Interaktion mit dem BetriebssystemWerkzeuge zur Softwareentwicklung; IPython HTML Notebook; Tipps zur produktiven Codeentwicklung mit IPython; Fortgeschrittene Features von IPython; Danksagung; Kapitel 4: Grundlagen von NumPy: Arrays und vektorisierte Berechnung; Das ndarray von NumPy: ein mehrdimensionales Array-Objekt; Universelle Funktionen: Schnelle elementweise Array-Funktionen; Datenverarbeitung mit Arrays; Dateiein- und -ausgabe bei Arrays; Lineare Algebra; Erzeugen von Zufallszahlen; Beispiel: Random Walks; Kapitel 5: Erste Schritte mit pandas…”

Tabla de Contenidos: “…Artificial Intelligence with Python Cookbook: Proven recipes for applying AI algorithms and deep learning techniques using TensorFlow 2.x and PyTorch 1.6…”

Acceso restringido usuarios UPSA

Tabla de Contenidos: “….); Página Legal; Sumario; 1 Las redes temáticas en el ámbito del proyecto VertebrALCUE; 2 El desarrollo local: observatorios PyME y pactos territoriales para el desarrollo productivo: un caso empírico con algunas consideraciones conceptuales; 3 La situación de las PyME en Argentina y las políticas públicas de promoción del segmento; 4 Pequeñas y medianas empresasen Brasil; 5 Algunas reflexiones sobre la efectividad de las políticas públicas de fomento y desarrollo de las PyME chilenas desde la perspectiva del desarrollo territorial sustentable…”

“…Dieses konsequent praxisbezogene Buch zeigt Ihnen anhand konkreter Fallbeispiele, wie Sie mit Jupyter und den Python-Bibliotheken Pandas, NumPy und IPython eine Vielzahl von typischen Datenanalyse-Problemen lösen.Geschrieben von Wes McKinney, dem Hauptautor der Pandas-Bibliothek, bietet Datenanalyse mit Python zudem einen praktischen Einstieg in das Scientific Computing für datenintensive Anwendungen mit Python.Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in das Scientific Computing einarbeiten wollen…”

Visualitzar TFM

Tabla de Contenidos: “…-- The rise of Transformer 4.0 seamless APIs -- Choosing ready-to-use API-driven libraries -- Choosing a Transformer Model -- The role of Industry 4.0 artificial intelligence specialists -- Summary -- Questions -- References -- Chapter 2: Getting Started with the Architecture of the Transformer Model -- The rise of the Transformer: Attention is All You Need -- The encoder stack -- Input embedding -- Positional encoding -- Sublayer 1: Multi-head attention -- Sublayer 2: Feedforward network -- The decoder stack -- Output embedding and position encoding -- The attention layers -- The FFN sublayer, the post-LN, and the linear layer -- Training and performance -- Tranformer models in Hugging Face -- Summary -- Questions -- References -- Chapter 3: Fine-Tuning BERT Models -- The architecture of BERT -- The encoder stack -- Preparing the pretraining input environment -- Pretraining and fine-tuning a BERT model -- Fine-tuning BERT -- Hardware constraints -- Installing the Hugging Face PyTorch interface for BERT -- Importing the modules -- Specifying CUDA as the device for torch -- Loading the dataset -- Creating sentences, label lists, and adding BERT tokens -- Activating the BERT tokenizer -- Processing the data -- Creating attention masks -- Splitting the data into training and validation sets -- Converting all the data into torch tensors -- Selecting a batch size and creating an iterator -- BERT model configuration…”

Tabla de Contenidos: “…Nodes and relationships with full pathsCreating unique nodes and relationships; CREATE UNIQUE and MERGE; Working with constraints; Transforming nodes and relationships; Updating node properties; Updating a label; Updating relationships; Cypher query optimizations; Indexes; Index sampling; Understanding execution plans; Analyzing and optimizing queries; Summary; Chapter 4: Getting Python and Neo4j to Talk Py2neo; Installing and configuring py2neo; Prerequisites; Installing py2neo; Exploring py2neo APIs; Graph; Authentication; Node; Relationship; Cypher; Transactions; Paths…”

Exemplar digitalitzat NLI.

Materias:

“…Deep learning for coders with fastai and PyTorch. Japanese…”