Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor SerieY-Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
System & SpiegelreflexAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
Beats by Dr. DreGoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Large Numerical Models from a Business Perspective

Srinivas Kilambi, Mahesh Banavar (Gebundene Ausgabe, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
Large Language Models (LLMs) have disruptively changed the world of AI for good and their adoption is near universal. However, how many know that they have a big limitation while processing large numerical quantitative business datasets usually found in ERPs as 1000s of tables. LLMs cannot process 100s of spreadsheets or tables at one time and when they try, they either fail to run or generate inaccurate predictions at best. The authors of this book propose LNMs or Large Numerical Models as a parallel universe to LLMs. LNMs are designed and built for numerical datasets and they offer some significant advantages over LLMs such as very accurate predictions, no hallucinations, improvement in business outcomes and ability to deliver in a "cold start" environment. LNMs are vertically curated and can run on a CPU as opposed to energy guzzling GPUs or water consuming cooling systems that LLMs need. This book introduces LNMs, its underlying structure and SXI. SXI is to LNM as GPT is to LLMs, the underlying core science and technology. The authors also present specific applications of LNMs in healthcare, fintech, wireless, supplychain, marketing campaigns. Finally, the authors introduce their current research area of LLNMs. LLNM combines both LLM and LNM and has significant potential advantages over either LLM or LNMs.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 31,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
13.01.2026
Sprache
Englisch
EAN
9783032148681
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
Synthesis Lectures on Technology Management & Entrepreneurship
Sonderedition
Nein
Autor
Srinivas Kilambi, Mahesh Banavar
Seitenanzahl
112
Einbandart
Gebundene Ausgabe
Buch Untertitel
LNM, a Parallel Universe to LLM
Schlagwörter
Large numerical model (LNM), Large Language Numerical Model (LLNM), Machine Learning (ML), ML for business, ML for numerical data, Score, correlate, improve, Return on Investment (ROI)
Thema-Inhalt
PBWH - Mathematische Modellierung TBJ - Mathematik für Ingenieure PBW - Angewandte Mathematik K - Wirtschaftswissenschaft, Finanzen, Betriebswirtschaft und Management KJQ - Wirtschaftsmathematik und -informatik, IT-Management
Höhe
240 mm
Breite
16.8 cm

Hersteller: Springer, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!