本書(shū)基于大數(shù)據(jù)、人工智能中模式分類的研究，以向量數(shù)據(jù)的機(jī)器學(xué)習(xí)方法為基礎(chǔ)，從*優(yōu)化角度研究張量數(shù)據(jù)的學(xué)習(xí)問(wèn)題，特別關(guān)注張量數(shù)據(jù)分類問(wèn)題的新模型的建立及其*優(yōu)化算法的設(shè)計(jì)。本書(shū)所構(gòu)建的張量數(shù)據(jù)分類模型，無(wú)論從計(jì)算時(shí)間、計(jì)算復(fù)雜度，還是從分類精度，都表現(xiàn)出該算法的優(yōu)越性，能夠使讀者能夠比較全面地了解張量數(shù)據(jù)分類模型和算法設(shè)

本書(shū)圍繞數(shù)據(jù)、算法、模型三要素，研究選取不同算法從歷史數(shù)據(jù)中獲取經(jīng)驗(yàn)，并歸納出模型進(jìn)行預(yù)測(cè)與優(yōu)化的系列理論與技術(shù)，是涉及計(jì)算機(jī)科學(xué)、概率統(tǒng)計(jì)、決策論等多個(gè)學(xué)科的多領(lǐng)域交叉學(xué)科。本書(shū)應(yīng)用開(kāi)源深度學(xué)習(xí)框架PaddlePaddle，從問(wèn)題定義、數(shù)據(jù)收集、特征工程、模型訓(xùn)練、模型評(píng)估、模型應(yīng)用方面，層層深入、循序漸進(jìn)地剖析機(jī)器

本書(shū)以實(shí)戰(zhàn)為主，通過(guò)豐富的實(shí)戰(zhàn)案例向讀者介紹深度學(xué)習(xí)可應(yīng)用和落地的項(xiàng)目，書(shū)中所有案例都基于Python+TensorFlow2.5+Keras技術(shù)，可用于深度學(xué)習(xí)課程的實(shí)戰(zhàn)訓(xùn)練。本書(shū)配套示例源碼、PPT課件、思維導(dǎo)圖、數(shù)據(jù)集、開(kāi)發(fā)環(huán)境與答疑服務(wù)。全書(shū)共分11章。第1章講解深度學(xué)習(xí)的概念、流程、應(yīng)用場(chǎng)景、模型分類和框架選

本書(shū)是一本介紹智能運(yùn)維的實(shí)戰(zhàn)指南，聚焦實(shí)際應(yīng)用場(chǎng)景，通過(guò)十余個(gè)實(shí)戰(zhàn)案例，詳細(xì)講解每個(gè)場(chǎng)景中的痛點(diǎn)、適用的算法、試驗(yàn)和*終方案,系統(tǒng)介紹了AI技術(shù)在運(yùn)維工作中的應(yīng)用。本書(shū)內(nèi)容分為3部分，第1部分是智能運(yùn)維、人工智能的概念和發(fā)展趨勢(shì)，包括第1、2章；第2部分是智能運(yùn)維中需要用到的人工智能技術(shù)和算法，包括第3、4、5章；第3

人工智能將幫助人們把事情做得更好、更快，并在成本效益上更突出，它將深刻改變交通、旅游、醫(yī)療、教育、零售、農(nóng)業(yè)、金融、銷售和營(yíng)銷等行業(yè)。事實(shí)上，人工智能很可能極大地改變?nèi)祟惿鐣?huì)。你可能聽(tīng)說(shuō)過(guò)很多工作將被人工智能或機(jī)器人取代，但你是否知道，與此同時(shí)，大量的新工作將由人工智能創(chuàng)造?本書(shū)涵蓋了許多與人工智能相關(guān)的有趣話題，包括

本書(shū)是一部論述機(jī)器學(xué)習(xí)原理與算法的立體化教材（含紙質(zhì)圖書(shū)、教學(xué)課件和部分視頻教程），本書(shū)兼顧機(jī)器學(xué)習(xí)基礎(chǔ)、經(jīng)典方法和深度學(xué)習(xí)方法。對(duì)組成機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和基本算法做了比較細(xì)致的介紹，對(duì)廣泛應(yīng)用的經(jīng)典算法如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機(jī)、決策樹(shù)和集成學(xué)習(xí)等算法都給出了深入的分析，并討論了無(wú)監(jiān)督學(xué)習(xí)的基本方法

本書(shū)是一本系統(tǒng)論述TensorFlow編程的新形態(tài)圖書(shū)(含紙質(zhì)圖書(shū)、程序代碼及微課視頻)。全書(shū)分為22章:第1~5章介紹了TensorFlow基礎(chǔ);第6~8章介紹了神經(jīng)網(wǎng)絡(luò)多層感知層編程;第9~12章介紹了人工智能數(shù)學(xué);第13章介紹了存儲(chǔ)和讀取;第14章介紹了回歸預(yù)測(cè)數(shù)據(jù)結(jié)果;第15~17章介紹了圖形辨識(shí)和CNN;第1

告訴你一個(gè)不太光彩的秘密:在大多數(shù)數(shù)據(jù)科學(xué)項(xiàng)目中，有一半的時(shí)間都花在清理和準(zhǔn)備數(shù)據(jù)上了。但還有更好的方法:針對(duì)表格數(shù)據(jù)和關(guān)系數(shù)據(jù)庫(kù)進(jìn)行優(yōu)化的深度學(xué)習(xí)技術(shù)，無(wú)需密集的特性工程，就能提供洞察和分析。學(xué)習(xí)使用少量的數(shù)據(jù)過(guò)濾、驗(yàn)證和清洗，就能解鎖深度學(xué)習(xí)性能的技能。《深度學(xué)習(xí)處理結(jié)構(gòu)化數(shù)據(jù)實(shí)戰(zhàn)》傳授面向表格數(shù)據(jù)和關(guān)系數(shù)據(jù)庫(kù)的強(qiáng)

作為一門(mén)應(yīng)用型學(xué)科，機(jī)器學(xué)習(xí)植根于數(shù)學(xué)理論，落地于代碼實(shí)現(xiàn)。這就意味著，掌握公式推導(dǎo)和代碼編寫(xiě)，方能更加深入地理解機(jī)器學(xué)習(xí)算法的內(nèi)在邏輯和運(yùn)行機(jī)制。本書(shū)在對(duì)全部機(jī)器學(xué)習(xí)算法進(jìn)行分類梳理的基礎(chǔ)之上，分別對(duì)監(jiān)督學(xué)習(xí)單模型、監(jiān)督學(xué)習(xí)集成模型、無(wú)監(jiān)督學(xué)習(xí)模型、概率模型四個(gè)大類共26個(gè)經(jīng)典算法進(jìn)行了細(xì)致的公式推導(dǎo)和代碼實(shí)現(xiàn)，旨在

《事件驅(qū)動(dòng)神經(jīng)形態(tài)系統(tǒng)》系統(tǒng)地描述了神經(jīng)形態(tài)工程領(lǐng)域的新技術(shù)，包括構(gòu)建完整的神經(jīng)形態(tài)芯片和解決制造多芯片可擴(kuò)展系統(tǒng)面臨的技術(shù)問(wèn)題�！妒录�驅(qū)動(dòng)神經(jīng)形態(tài)系統(tǒng)》主要內(nèi)容分為兩部分。分（第2-6章）描述了所構(gòu)建的AER通信體系結(jié)構(gòu)、AER傳感器和電子神經(jīng)模型，其中，第2-5章用樹(shù)狀圖描述了將架構(gòu)和電路關(guān)聯(lián)起來(lái)的歷史，并引導(dǎo)讀者