Künstliche neuronale Netze

Informationen zum Datenschutz

Bei der Verwendung dieser Webseite werden Cookies angelegt, um die Funktionalität für Sie optimal gewährleisten zu können. Zudem werden personenbezogene Daten erhoben und genutzt. Bitte beachten Sie hierzu unsere allgemeine Datenschutzerklärung. Mit der weiteren Nutzung stimmen Sie diesen Bedingungen zu.

Dürfen wir Ihre Nutzung unserer Website zur Verbesserung unseres Angebots auswerten?

Dafür nutzen wir Google Analytics. Weitere Infos finden Sie in unserer Datenschutzerklärung. Ihre Einwilligung ist freiwillig, Sie können diese jederzeit für die Zukunft widerrufen indem Sie das Cookie GOOGLE_ANALYTICS_INFO löschen.

Keine Verbindung zum Bibliotheksserver

Der Bibliothekskatalog ist momentan nicht erreichbar. Versuchen Sie es zu einem späteren Zeitpunkt noch einmal oder wenden Sie sich an Ihre Bibliothek.

Verwendung von Cookies

Diese Anwendung benötigt für ihren fehlerfreien Ablauf Cookies.
Cookies sind kleine Textdateien, die von einer Webseite oder einem Online-Dienst auf Ihrem Rechner gespeichert werden.
Nachfolgend erhalten Sie eine Auflistung der von OCLC verwendeten Cookies mit Angabe des Anbieters, einer Kurzbeschreibung und der Speicherdauer auf Ihrem Computer (sofern Sie diese nicht sperren oder löschen). Es werden keine personenbezogenen Daten erhoben.

Notwendige Cookies

Cookie	Anbieter	Beschreibung	Speicherdauer
COPOPENAUTH	OCLC	Ein Cookie, der sich eine erfolgreiche Anmeldung merkt.	10 Jahre nach Erstellung
EU_LAW_INFO	OCLC	Der Cookie wird gespeichert, sobald der Anwender die Verwendung von Cookies zur Kenntnis genommen hat.	10 Jahre nach Erstellung
.ASPXANONYMOUS	DNN	Der Cookie speichert eine eindeutige ID für anonyme Anwender.	ca 70 Tage
.DOTNETNUKE	DNN	Der Cookie wird bei der Anmeldung erzeugt.	Session
ASP.NET_SessionId	ASP.NET	Identifiziert die Session von ASP.NET.	Session
authentication	OCLC	Speichert, über welchen Anmeldeweg der Leser sich angemeldet hat. DNN (DNN Login), COP (OPEN Login), "" (Nicht angemeldet)	Session
dnn_IsMobile	DNN	Der Cookie speichert, ob der Anwender ein mobiles Gerät verwendet.	Session
languague	DNN	Der Cookie speichert die aktuell eingestellte Sprache.	Session
LastPageId	DNN	Der Cookie speichert die ID (TabID) des letzten besuchten Reiters.	Session
__RequestVerificationToken	DNN	Der Cookie bietet Schutz vor Cross-Site-Attacken.	Session
SplashPageView	DNN	Der Cookie steuert die einmalige Anzeige der Begrüßungsseite.	Session
RepeaterCategories, RepeaterGroup	DNNGo	Cookies des DNN-Moduls xPlugin für Layout-Einstellungen.	Session

Optionale Cookies

Cookie	Anbieter	Beschreibung	Speicherdauer
GOOGLE_ANALYTICS_INFO	OCLC	Der Cookie wird gesetzt, wenn der Anwender der Verwendung des Tracking Tools Google Analytics zugestimmt hat.	1 Jahr
_ga, _ga_<container-id>	Google Analytics	Der Cookie _ga speichert die Google Analytics-Client-ID zur Unterscheidung von Nutzern, _ga_<container-id> dient der Persistierung des Sitzungsstatus (vorausgesetzt der Anwender hat dem Tool zugestimmt, siehe Cookie GOOGLE_ANALYTICS_INFO).	2 Jahre
_Module_359_Survey_0_, AppearanceSecurityOptions, CSVExportOptions	DNN	Die Cookies werden vom optionalen 3rd Party DNN-Modul Survey verwendet.	bis 31.12.9999, 20 Minuten, 20 Minuten

Cookies im Administrationsbereich

Cookie	Anbieter	Beschreibung	Speicherdauer
Liste aller Einstellungs-Cookies von OPEN:	OCLC	Die Cookies steuern den aufgeklappt/zugeklappt - Status bei den einzelnen Bereichen innerhalb der Einstellungen sowie die Sichtbarkeit der Header.	Session
StayInEditMode	DNN	Der Cookie steuert, ob sich die Oberfläche im Bearbeitungsmodus befindet.	Session
cem_pending, CEM_CallbackData, CEM_ExistingModule, CEM_NewModuleId	DNN	Diese Cookies werden beim Hinzufügen bzw. Klonen von Modulen im Bearbeitungsmodus verwendet.	Session

Nuntio.Content

Sprache auswählen

Start
Suche
Login
Homepage

Ihre Mediensuche

Permalink Trefferliste

Permanenter Link zu dieser Seite:

Permalink Detailanzeige

Permanenter Link zu dieser Seite:

Trefferliste drucken

Wählen Sie aus, was gedruckt werden soll

Aktuelle Ansicht

Alle Treffer

Trefferliste als E-Mail versenden

E-Mail-Adresse Empfänger Ihr Name Betreff Inhalt

Diese Titel könnten Sie/dich interessieren.

Link zu den Titeln: https://katalog.stadtbuecherei.frankfurt.de/Permalink.aspx?searchhash=OCLC_b9a6a35734388796ea38c75ca2cf1a77385e586a&detail=0

Detailanzeige per E-Mail versenden

E-Mail-Adresse Empfänger Ihr Name Betreff Inhalt

Dieser Titel könnte Sie/dich interessieren.

Link zum Titel: https://katalog.stadtbuecherei.frankfurt.de/Permalink.aspx?id=2434475

Künstliche neuronale Netze
Mediengruppe: Buch
Autor/Künstler: Scholz, Daniel
Jahr: 2025

Cover des Mediums

Bibliothek	Signatur
Zentralbibliothek	EDV 90 Scholz

Meldung an die Bibliothek

Vorname * Nachname * E-Mail-Adresse * Telefonnummer Bemerkung

Benutzeranmeldung

Sie müssen angemeldet sein, um fortfahren zu können. Möchten Sie zur Anmeldung weitergeleitet werden?

Benutzeranmeldung

Sie müssen angemeldet sein, um fortfahren zu können. Möchten Sie zur Anmeldung weitergeleitet werden?

Benutzeranmeldung

Sie müssen angemeldet sein, um fortfahren zu können. Möchten Sie zur Anmeldung weitergeleitet werden?

Abholzweigstelle wählen

Wählen Sie die Zweigstelle aus, in der Sie das Medium abholen möchten.

Zweigstelle

Benutzeranmeldung

Um Ihre Identität zu bestätigen müssen Sie Ihr Passwort erneut eingeben.

Vorbestellen

Geben Sie Ihre E-Mail-Adresse an um die Vormerkung bei OverDrive durchzuführen.

E-Mail-Adresse

Vorbestellen

Suche verfeinern (Erweiterte Suche)

Zur Trefferliste

Detailanzeige drucken Permalink Detailanzeige Detailanzeige per E-Mail versenden

1 von 2 zum nächsten Treffer blättern

wird in neuem Tab geöffnet

Künstliche neuronale Netze

die Welt der generativen KI verstehen

0 Bewertungen

Autor/Künstler: Suche nach diesem Verfasser Scholz, Daniel (Verfasser) Mehr...

Von/Mit: Daniel Scholz

Jahr: 2025

Verlag: München, Hanser

Mediengruppe: Buch

verfügbar

Exemplare

Bibliothek	Standort	Signatur	Status	Rückgabedatum
Zweigstelle: Zentralbibliothek	Standort 2: Sachbuch	Signatur: EDV 90 Scholz	Status: Verfügbar	Frist:

Inhalt

Kompakt geschriebene und leicht nachvollziehbare Einführung in die Funktionsweise KI-generierter neuronaler Netze. Geeignet sowohl für Einsteiger*innen im Berufskontext wie auch im Schulunterricht.

Bewertungen

0 Bewertungen

Details

Autor/Künstler: Suche nach diesem Verfasser Scholz, Daniel (Verfasser)

Von/Mit: Daniel Scholz

Jahr: 2025

Verlag: München, Hanser

Enthalten: Zu diesem Aufsatz wechseln

opens in new tab

Diesen Link in neuem Tab öffnen Mehr...

Systematik: Suche nach dieser Systematik EDV 90

Suche nach diesem Interessenskreis

ISBN: 9783446484023

Beschreibung: XIII, 116 Seiten : Illustrationen, Diagramme

Mehr...

Suche nach dieser Beteiligten Person

Mediengruppe: Buch

Nuntio.Content

Hotline: (069) 212 - 3 80 80
Mo bis Fr: 9 bis 19 Uhr, Sa: 10 bis 17 Uhr
E-Mail: info@stadtbuecherei.frankfurt.de

Nuntio.Content

Adressen und Öffnungszeiten unserer Bibliotheken
FAQ
Medienwunsch
Impressum
Datenschutz
Barrierefreiheit