本書(shū)介紹統(tǒng)計(jì)計(jì)算與智能分析基礎(chǔ)理論以及基于Python的模型算法實(shí)現(xiàn)。全書(shū)由13章組成，主要內(nèi)容有：隨機(jī)數(shù)生成技術(shù)；數(shù)據(jù)探索性分析；特征提取與選擇方法；期望算法；Markov鏈蒙特卡羅方法；重采樣技術(shù)；重要采樣技術(shù)；序貫重要性采樣；非參數(shù)概率密度估計(jì)；非參數(shù)回歸分析；樹(shù)模型理論；概率圖模型；模型性能評(píng)價(jià)技術(shù)。
本教程通過(guò)闡述直觀而嚴(yán)謹(jǐn)?shù)臋C(jī)器學(xué)習(xí)方法，為學(xué)生學(xué)習(xí)和掌握研究和構(gòu)建數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品所需的基本知識(shí)和實(shí)用工具。內(nèi)容優(yōu)先解析幾何直覺(jué)和算法思維，為學(xué)生提供新穎和易于學(xué)習(xí)的方式；書(shū)中也強(qiáng)調(diào)機(jī)器學(xué)習(xí)結(jié)合實(shí)際應(yīng)用，包括計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、經(jīng)濟(jì)學(xué)、神經(jīng)科學(xué)、推薦系統(tǒng)、物理學(xué)和生物學(xué)案例分析；作者精心設(shè)計(jì)300多幅彩色插圖，讓讀者
本書(shū)對(duì)所有重要的機(jī)器學(xué)習(xí)方法和新近研究趨勢(shì)進(jìn)行了深入探索，新版重寫(xiě)了關(guān)于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的章節(jié)，并擴(kuò)展了關(guān)于貝葉斯學(xué)習(xí)的內(nèi)容。書(shū)中首先討論基礎(chǔ)知識(shí)，包括均方、zui小二乘和zui大似然方法，以及嶺回歸、貝葉斯決策理論分類(lèi)、邏輯回歸和決策樹(shù)。然后介紹較新的技術(shù)，包括稀疏建模方法、再生核希爾伯特空間和支持向量機(jī)中的學(xué)習(xí)、
本書(shū)致力于推動(dòng)人工智能的普及教育，使用通俗易懂的語(yǔ)言深入淺出地介紹了人工智能相關(guān)知識(shí)，包括機(jī)器學(xué)習(xí)和深度學(xué)□□基本內(nèi)容，并結(jié)合圖像信息處理和自然語(yǔ)言處理兩個(gè)典型應(yīng)用展開(kāi)闡述，使讀者能快速掌握人工智能的基本概念、基本知識(shí)體系和框架，為進(jìn)一步學(xué)習(xí)打下良好基礎(chǔ)。本書(shū)共分6章：前4章主要介紹基礎(chǔ)入門(mén)知識(shí)，包括緒論、基本分類(lèi)、回
本書(shū)可能是國(guó)內(nèi)第一本較為全面地介紹人工智能倫理的主要概念及人工智能應(yīng)用倫理等方面知識(shí)的書(shū)籍。書(shū)中系統(tǒng)性地展示了人工智能面臨的各方面的倫理問(wèn)題。在介紹社會(huì)關(guān)注的熱點(diǎn)人工智能倫理問(wèn)題，如數(shù)據(jù)、算法、機(jī)器人、自動(dòng)駕駛以及人工智能行業(yè)應(yīng)用倫理等問(wèn)題的基礎(chǔ)上，提出
本書(shū)以Python為基礎(chǔ)，使用Sklearn平臺(tái)，逐步帶領(lǐng)讀者熟悉并掌握機(jī)器學(xué)習(xí)的經(jīng)典算法。全書(shū)共12章，主要內(nèi)容包括人工智能概述、Python科學(xué)計(jì)算、數(shù)據(jù)清洗與特征預(yù)處理、數(shù)據(jù)劃分與特征提取、特征降維與特征選擇、模型評(píng)估與選擇、KNN算法、決策樹(shù)、線性模型、樸素貝葉斯算法、支持向量機(jī)和k均值聚類(lèi)算法，附錄介紹了課程
《OpenCV4.0+Python機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺(jué)實(shí)戰(zhàn)》詳細(xì)闡述了機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺(jué)相關(guān)的基本解決方案，主要包括濾鏡、深度傳感器和手勢(shì)識(shí)別、通過(guò)特征匹配和透視變換查找對(duì)象、使用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)重建3D場(chǎng)景、在OpenCV中使用計(jì)算攝影、跟蹤視覺(jué)上的顯著對(duì)象、識(shí)別交通標(biāo)志、識(shí)別面部表情、對(duì)象分類(lèi)和定位、檢測(cè)和跟蹤對(duì)象等
人工智能的發(fā)展需要對(duì)所解決問(wèn)題的有深入的數(shù)學(xué)理解，矩陣代數(shù)正是一種基本的數(shù)學(xué)工具，在人工智能學(xué)科的研究中具有根本性的意義。本書(shū)的目的是為人工智能的研究和實(shí)踐提供堅(jiān)實(shí)的矩陣代數(shù)理論基礎(chǔ)。全書(shū)共9章，分?jǐn)?shù)學(xué)基礎(chǔ)、應(yīng)用兩部分講述矩陣代數(shù)方法在人工智能中的應(yīng)用。第一部分《人工智能的矩陣代數(shù)方法：數(shù)學(xué)基礎(chǔ)》包括第1–5章，提供矩
強(qiáng)化學(xué)習(xí)作為機(jī)器學(xué)習(xí)及人工智能領(lǐng)域的一種重要方法，在游戲、自動(dòng)駕駛、機(jī)器人路線規(guī)劃等領(lǐng)域得到了廣泛的應(yīng)用。 本書(shū)結(jié)合了李宏毅老師的“深度強(qiáng)化學(xué)習(xí)”、周博磊老師的“強(qiáng)化學(xué)習(xí)綱要”、李科澆老師的“世界冠軍帶你從零實(shí)踐強(qiáng)化學(xué)習(xí)”公開(kāi)課的精華內(nèi)容，在理論嚴(yán)謹(jǐn)?shù)幕A(chǔ)上深入淺出地介紹馬爾可夫決策過(guò)程、蒙特卡洛方法、時(shí)序差分方法、
本書(shū)從強(qiáng)化學(xué)習(xí)的基礎(chǔ)知識(shí)出發(fā)，結(jié)合PyTorch深度學(xué)習(xí)框架，介紹深度強(qiáng)化學(xué)習(xí)算法各種模型的相關(guān)算法原理和基于PyTorch的代碼實(shí)現(xiàn)。作為一本介紹深度強(qiáng)化學(xué)習(xí)知識(shí)的相關(guān)圖書(shū)，本書(shū)介紹了常用的強(qiáng)化學(xué)習(xí)環(huán)境，基于價(jià)值網(wǎng)絡(luò)的強(qiáng)化學(xué)習(xí)算法和基于策略梯度的強(qiáng)化學(xué)習(xí)算法，以及一些常用的比較流行的深度強(qiáng)化學(xué)習(xí)算法（如蒙特卡洛樹(shù)搜索
書(shū)單推薦 新書(shū)推薦
