Simon | Deep Learning and XAI Techniques for Anomaly Detection | E-Book | sack.de
E-Book

E-Book, Englisch, 218 Seiten

Simon Deep Learning and XAI Techniques for Anomaly Detection

Integrate the theory and practice of deep anomaly explainability
1. Auflage 2023
ISBN: 978-1-80461-337-5
Verlag: De Gruyter
Format: EPUB
 Kopierschutz: 0 - No protection

Integrate the theory and practice of deep anomaly explainability

E-Book, Englisch, 218 Seiten

ISBN: 978-1-80461-337-5
Verlag: De Gruyter
Format: EPUB
 Kopierschutz: 0 - No protection

No detailed description available for "Deep Learning and XAI Techniques for Anomaly Detection".

Simon Deep Learning and XAI Techniques for Anomaly Detection jetzt bestellen!

Autoren/Hrsg.

Simon, Cher

Fachgebiete

Weitere Infos & Material

Table of Contents - Understanding Deep Learning Anomaly Detection
- Understanding Explainable AI
- Natural Language Processing Anomaly Explainability
- Time Series Anomaly Explainability
- Computer Vision Anomaly Explainability
- Differentiating Intrinsic versus Post Hoc Explainability
- Backpropagation Versus Perturbation Explainability
- Model-Agnostic versus Model-Specific Explainability
- Explainability Evaluation Schemes

Simon Cher:
Cher Simon is a principal solutions architect specializing in artificial intelligence, machine learning, and data analytics at AWS. Cher has 20 years of experience in architecting enterprise-scale, data-driven, and AI-powered industry solutions. Besides building cloud-native solutions in her day-to-day role with customers, Cher is also an avid writer and a frequent speaker at AWS conferences.Barr Jeff:
Contacted on 3/2/2017 for AWS for Architects by Nishit Shetty

Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.