本書系統(tǒng)介紹了機器學習常用算法及其應用，在深入分析算法原理的基礎上，結合當前熱門應用場景，向讀者展現(xiàn)了機器學習算法的綜合應用，帶領讀者進入機器學習領域，開啟人工智能行業(yè)的大門。 全書共 21 章，分為 3 部分。第 1 部分介紹機器學習基礎算法，包括線性回歸、多項式回歸、邏輯回歸、k-NN、決策樹、k-Means、SVM、隨機森林、樸素貝葉斯、PCA 降維等，針對每個算法給出應用案例，讓讀者既掌握算法原理，又能夠使用算法解決問題。第 2 部分是機器學習基礎算法綜合應用，通過學生分數(shù)預測、自閉癥患
本書講解了經(jīng)典的高級機器學習算法原理與知識，包括常見的監(jiān)督學習、無監(jiān)督學習、概率圖模型、核方法、深度神經(jīng)網(wǎng)絡，以及強化學習等內(nèi)容，同時更強調動手實踐。所有算法均利用PyTorch計算框架進行實現(xiàn)，并且在各章節(jié)配備實戰(zhàn)環(huán)節(jié)，內(nèi)容涵蓋點擊率預估、異常檢測、概率圖模型變分推斷、高斯過程超參數(shù)優(yōu)化、深度強化學習智能體訓練等內(nèi)容。 本書附贈所有案例的源代碼及各類學習資料來源，適合具有一定編程基礎的人工智能愛好者學習，也是相關從業(yè)者和研究人員的學習指南。
本書比較全面、系統(tǒng)地介紹了深度強化學習的理論和算法，并配有大量的案例和編程實現(xiàn)。全書核心內(nèi)容可以分為3部分，第一部分為經(jīng)典強化學習，包括第2、3、4章，主要內(nèi)容有動態(tài)規(guī)劃法，蒙特卡洛法、時序差分法；第二部分為深度強化學習，包括第6、7、8章，主要內(nèi)容有值函數(shù)近似法、策略梯度法、策略梯度法進階；第三部分重點介紹了深度強化學習的經(jīng)典應用——AlphaGo系列算法。另外，作為理論和算法的輔助，第1章介紹了強化學習的模型，第5章簡單介紹了深度學習和PyTorch編程框架。本書可以作為理工科大學相
《Python機器學習項目實戰(zhàn)》引領大家在構建實際項目的過程中，掌握關鍵的機器學習概念!使用機器學習，我們可完成客戶行為分析、價格趨勢預測、風險評估等任務。要想掌握機器學習，需要有優(yōu)質的范例、清晰的講解和大量的練習。本書完全滿足這三點! 本書展示了現(xiàn)實、實用的機器學習場景，并全面、清晰地介紹了機器學習的關鍵概念。在學習本書的過程中，讀者將會完成一些引人入勝的項目，比如使用線性回歸預測汽車價格，部署客戶流失預測服務等。讀者將**算法，學習在無服務器系統(tǒng)上部署機器學習應用，以及使用Kubern
使用機器學習技術解決實際應用問題涉及模型的建立、訓練及評估等步驟。優(yōu)化算法常被用于訓練模型的參數(shù)，是機器學習的重要組成部分。機器學習模型的訓練可以建模成無約束優(yōu)化問題或帶約束優(yōu)化問題，約束可以為模型增加更多的先驗知識�；谔荻鹊乃惴ǎɡ缂铀偬荻确�、隨機梯度法等）是求解無約束優(yōu)化問題的常用方法，而交替方向乘子法（ADMM）則是求解帶約束優(yōu)化問題的有力工具�！禕R》 本書概述了機器學習中ADMM的新進展。書中全面介紹了各種情形下的ADMM，包括確定性和隨機性的算法、集中式和分布式的算法，以及求解
本書知識全面、實用, 共10章, 內(nèi)容包括深度學習數(shù)學基礎, 深度學習基礎模型( 全連接網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、Transformer等) 和實現(xiàn), 多場景多領域最佳實踐, 模型優(yōu)化、加速與部署等。
機器學習是人工智能的一個方向。它是一門多領域交叉學科，涉及概率論、統(tǒng)計學、矩陣論、神經(jīng)網(wǎng)絡、計算機等多門學科。其目標是使用計算機模擬或實現(xiàn)人類學習活動，從現(xiàn)有大量的數(shù)據(jù)中學習，利用經(jīng)驗不斷改善系統(tǒng)性能。機器學習步驟一般分為獲取數(shù)據(jù)、數(shù)據(jù)預處理、建立模型、模型評估和預測。本書共6章。第1章節(jié)主要介紹機器學習的基本概念及其發(fā)展史、機器學習分類、常見機器學習算法及其特點；第2章搭建機器學習開發(fā)環(huán)境，主要包括anaconda\pycharm\python軟件的安裝及使用，以及常見機器學習庫的介紹和安裝使
本書的主體內(nèi)容包括機器學習概念與特征工程、機器學習技術、模型關系管理，其中，模型關系管理部分主要介紹了弱集成學習、強集成學習和混合專家模型。弱集成學習是指使用機器學習中的弱分類器實現(xiàn)模型準確度和穩(wěn)定性之間的平衡。強集成學習是指協(xié)同特征工程與強分類器形成強集成學習環(huán)境�；旌蠈＜夷Ｐ褪侵竿ㄟ^神經(jīng)網(wǎng)絡集成和網(wǎng)絡結構設計形成深度學習框架。本書以案例分析為主線介紹不同的集成學習方法，首先闡述弱集成學習如何解決項目痛點問題，然后以痛點為起點，集中討論強集成學習如何解構子項目問題，最后通過深度學習分析非
本書是《動手學深度學習》的重磅升級版本，選用PyTorch深度學習框架，旨在向讀者交付更為便捷的有關深度學習的交互式學習體驗。 本書重新修訂《動手學深度學習》的所有內(nèi)容，并針對技術的發(fā)展，新增注意力機制、預訓練等內(nèi)容。本書包含15章，第一部分介紹深度學習的基礎知識和預備知識，并由線性模型引出基礎的神經(jīng)網(wǎng)絡——多層感知機；第二部分闡述深度學習計算的關鍵組件、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、注意力機制等大多數(shù)現(xiàn)代深度學習應用背后的基本工具；第三部分討論深度學習中常用的優(yōu)化算法和影響深度學習計算性能的重要
本書是《動手學深度學習》的重磅升級版本，選用經(jīng)典的PyTorch深度學習框架，旨在向讀者交付更為便捷的有關深度學習的交互式學習體驗。本書重新修訂《動手學深度學習》的所有內(nèi)容，并針對技術的發(fā)展，新增注意力機制、預訓練等內(nèi)容。本書包含15章，第一部分介紹深度學習的基礎知識和預備知識，并由線性模型引出最簡單的神經(jīng)網(wǎng)絡多層感知機；第二部分闡述深度學習計算的關鍵組件、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、注意力機制等大多數(shù)現(xiàn)代深度學習應用背后的基本工具；第三部分討論深度學習中常用的優(yōu)化
新書資訊 新書推薦