|
1 |
[Maschinelles Lernen für die Ingenieurwissenschaften]
Machine learning for engineers
Neuer, Marcus J.. - Berlin, Germany : Springer, [2025]
|
|
|
|
2 |
KI-basierte Verbesserung der Auswertung von Seitensichtsonarbildern mittels Methoden des Deep Learnings
Steiniger, Yannik. - Düren : Shaker Verlag, 2024, 1. Auflage
|
|
|
|
3 |
Lieferzeitbestimmung in der auftragsbezogenen Werkstattfertigung mittels maschinellen Lernens
Rokoss, Alexander. - Göttingen : sierke VERLAG, 2024, 1. Auflage
|
|
|
|
4 |
Maschinelles Lernen für die Ingenieurwissenschaften
Neuer, Marcus J.. - Berlin, Germany : Springer, [2024]
|
|
|
5 |
Maschinelles Lernen für die Ingenieurwissenschaften
Neuer, Marcus J.. - Berlin, Heidelberg : Springer Berlin Heidelberg, Imprint: Springer Vieweg, 2024, 1st ed. 2024
|
|
|
|
6 |
Nutzerorientiertes Konzept für interaktives maschinelles Lernen zur Prozessidentifikation am Beispiel der Pflegeumgebung
Kaczmarek, Sylvia. - Dortmund : Verlag Praxiswissen, [2024]
|
|
|
|
7 |
Selbstverstärkendes Lernen als Beitrag zur Automatisierung der Anpassungskonstruktion
Dworschak, Fabian. - Erlangen : FAU University Press, 2024
|
|
|
|
8 |
Selbstverstärkendes Lernen als Beitrag zur Automatisierung der Anpassungskonstruktion
Dworschak, Fabian. - Erlangen : FAU University Press, 2024
|
|
|
|
9 |
Uncertainty PERMEATED - explainable AI in a condition monitoring framework for industrial assets
Lukas, Martin. - Stuttgart : Universitätsbibliothek der Universität Stuttgart, 2024
|
|
|
|
10 |
Uncertainty PERMEATED - explainable AI in a condition monitoring framework for industrial assets
Lukas, Martin. - Stuttgart : Fraunhofer Verlag, 2024
|
|
Administration
