本書將帶領(lǐng)讀者一起主動擁抱機器學習，快樂翻越高等數(shù)學、算法分析、工程實踐這三座大山。面對三類讀者（會用即可、想深入學習、想成為專家）的學習動機和閱讀需求，全書一共用19章來講解機器學習的各種模型，包括機器學習中基礎(chǔ)和關(guān)鍵的線性回歸、邏輯回歸、決策樹、貝葉斯、支持向量機、KNN等。全書具有語言表達輕快、模型講解細致、圖表

使用機器學習技術(shù)解決實際應(yīng)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。基于梯度的算法（例如加速梯度法、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（ADM

本書系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡(luò)的主要理論和設(shè)計基礎(chǔ)，給出了大量應(yīng)用實例，旨在使讀者了解神經(jīng)網(wǎng)絡(luò)的發(fā)展背景和研究對象，理解和熟悉其基本原理和主要應(yīng)用，掌握其結(jié)構(gòu)模型和基本設(shè)計方法，為以后的深入研究和應(yīng)用開發(fā)打下基礎(chǔ)。全書共分為10章，第1、2章介紹了神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史、基本特征與功能、應(yīng)用領(lǐng)域及基礎(chǔ)知識，第3~10章展開介

本書系統(tǒng)介紹了機器學習常用算法及其應(yīng)用，在深入分析算法原理的基礎(chǔ)上，結(jié)合當前熱門應(yīng)用場景，向讀者展現(xiàn)了機器學習算法的綜合應(yīng)用，帶領(lǐng)讀者進入機器學習領(lǐng)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(chǔ)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、

本書分四章：自然語言基礎(chǔ)、自然語言理解、序列建模、語音識別。內(nèi)容包括：文本的表示和分詞、文本特征表示、詞性分析及命名實體識別、詞空間和詞空間的可視化、基于主題的宋詞創(chuàng)作、宋詞的主題分析、宋詞的派別分類、宋詞的推薦等。

本書較全面地介紹了目前人工智能的主流概念、理論、方法、技術(shù)及應(yīng)用等內(nèi)容。全書共4個項目，首先介紹了智能和人工智能的定義與類型、研究內(nèi)容、發(fā)展歷程，以及人工智能與大數(shù)據(jù)的關(guān)系：然后介紹了人工智能在人才、安全、倫理、法律等方面面臨的種種問題與對策；而后介紹了包括語音識別技術(shù)、人體識別技術(shù)、圖文識別技術(shù)、機器視覺技術(shù)、自然語

本書設(shè)計了七章內(nèi)容,第一至三章介紹人工智能的概念及基本的技術(shù)原理。第四至六章介紹人工智能技術(shù)在視覺、語音和自然語言處理中的應(yīng)用,第七章介紹利用系統(tǒng)工程設(shè)計方法設(shè)計實現(xiàn)人工智能產(chǎn)品。每章由人工智能產(chǎn)品體驗、人工智能技術(shù)原理描述、人工智能技術(shù)實現(xiàn)實驗、人工智能應(yīng)用方案設(shè)計實驗和人工智能的發(fā)展與應(yīng)用等部分組成。

本書介紹深度學習領(lǐng)域先進的技術(shù)以及深度學習在主要的自然語言處理任務(wù)中的成功應(yīng)用，包括語音識別和理解、對話系統(tǒng)、語義分析、句法分析、知識圖譜、機器翻譯、問答、情感分析、社會計算和基于圖像的自然語言生成。本書對深度學習時代自然語言處理領(lǐng)域的不同研究前沿進行了概括與分析，還列舉了深度學習與自然語言處理領(lǐng)域中交叉的技術(shù)性術(shù)語以

本書主要內(nèi)容包括機器學習緒論、Python基礎(chǔ)知識、模型評估及模型、機器學習及神經(jīng)網(wǎng)絡(luò)、MNIST識別及圖像分類。

本書是一本MLOps的綜合指南,詳細介紹了DevOps和MLOps的理論和實踐,包括如何創(chuàng)建持續(xù)集成和持續(xù)交付、Kaizen(即對所有事物進行持續(xù)改進的想法)等,還介紹了基于云的MLOps,以及MLOps的關(guān)鍵技術(shù)領(lǐng)域,包括AutoML、容器、邊緣計算和模型可移植性。本書最后還介紹了一些真實案例研究,并介紹執(zhí)行MLOp