KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 09.11.2026 auf tolino shine color (4016621130473), tolino vision color (4016621130183) und tolino vision color weiß (4016621131456) online auf thaalia.live, in der Thalia App und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Nicht gültig für Geschenkkarten, Versandkosten und Services. Nur solange der Vorrat reicht.
Produktbild: AI for Time Series

AI for Time Series Volume 1: Unlocking Patterns with Deep Learning

368,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

22.05.2026

Abbildungen

schwarz-weiss Illustrationen, Zeichnungen, schwarz-weiss

Herausgeber

Min Wu + weitere

Verlag

Taylor and Francis

Seitenzahl

268

Maße (L/B/H)

24/16,1/1,9 cm

Gewicht

519 g

Sprache

Englisch

ISBN

978-1-04-101032-6

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

22.05.2026

Abbildungen

schwarz-weiss Illustrationen, Zeichnungen, schwarz-weiss

Herausgeber

Verlag

Taylor and Francis

Seitenzahl

268

Maße (L/B/H)

24/16,1/1,9 cm

Gewicht

519 g

Sprache

Englisch

ISBN

978-1-04-101032-6

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

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)
Die Leseprobe wird geladen.
  • Produktbild: AI for Time Series

  • 1 Introduction 2 Fedformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting 3 Fredf: Learning to Forecast in the Frequency Domain 4 PPGF: Probability Pattern-Guided Time Series Forecasting 5 Unlocking the Power of Lstm for Long Term Time Series Forecasting 6 Self-Supervised Contrastive Representation Learning for Semi-Supervised Time-Series Classification 7 Diffusion Language-Shapelets for Semi-Supervised Time-Series Classification 8 Graph-Aware Contrasting for Multivariate Time-Series Classification 9 Dcdetector: Dual Attention Contrastive Representation Learning for Time Series Anomaly Detection 10 Multivariate Anomaly Detection with Self-Learning Graph Convolutional Networks 11 Self-Attention-Driven Imputation for Multivariate Time Series