找到 7 条结果 按相关性 按时间降序
PyTorch深度学习实战-微课视频版
本书以PyTorch为基础,介绍机器学习的基础知识与常用方法,全面细致地提供了基本机器学习操作的原理和在PyTorch框架下的实现步骤。全书分为基础篇和实战篇,包括16章内容和两个附录,分别为深度学习简介、深度学习框架、机器学习基础知识、PyTorch深度学习基础、Logistic回归、神经网络基础、卷积神经网络与计算机视觉、神经网络与自然语言处理、搭建卷积神经网络进行图像分类、图像风格迁移、基于RNN的文本分类、基于CNN的视频行为识别、实现对抗性样本生成、实现基于LSTM 的情感分析、实现DCGAN、视觉问答、PyTorch环境搭建、深度学习的数学基础。本书将理论与实践紧密结合,相信能为读者提供有益的学习指导。 本书适合Python深度学习初学者、机器学习算法分析从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。
Python机器学习实战-微课视频版
本书以机器学习算法为主题，详细介绍算法的理论细节与应用方法。全书共19章，分别介绍了逻辑回归与最大熵模型、k-近邻模型、决策树模型、朴素贝叶斯模型、支持向量机模型、集成学习框架、EM算法、降维算法、聚类算法、神经网络模型等基础模型或算法，以及8个综合项目实例：汽车运动学片段分类、垃圾信息识别、乳腺癌识别、波士顿房价预测、生成动漫人物、鸢尾花分类、人脸识别、保险行为数据用户分类器。本书重视理论与实践相结合，希望为读者提供全面而细致的学习指导。 本书适合机器学习初学者、相关行业从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。
TensorFlow深度学习实战（微课视频版）
本书以深度学习框架TensorFlow为基础，介绍机器学习的基础知识与常用方法，全面细致地提供了机器学习操作的原理及其在深度学习框架下的实践步骤。 全书共16章，分别介绍了深度学习基础知识、深度学习框架及其对比、机器学习基础知识、深度学习框架TensorFlow的基础知识、Logistic回归、多层感知器、卷积神经网络与计算机视觉、神经网络与自然语言处理以及8个实战案例。本书将理论与实践紧密结合，相信能为读者提供有益的学习指导。 本书适合Python深度学习初学者、机器学习算法分析从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。
人工智能理论与实践（微课视频版）
本书从人工智能的基本定义开始，由浅入深地向读者阐述了人工智能的理论、策略、研究方法和应用领域，以梳理知识脉络和要点的方式，带领读者登堂入室。作为导论书籍，书中概念论述清楚，内容丰富，通俗易懂，在较为全面介绍人工智能领域进展的基础上对一些传统内容进行了取舍。详细介绍了知识表示、逻辑推理、非确定性推理、搜索策略、机器学习等方面内容。最后一章是有关人工智能的实验，便于读者在所学知识的基础上懂得如何运用。 本书既适合作为高等院校人工智能课程的教材，也适合计算机爱好者阅读。
Python爬虫案例实战（微课视频版）
本书主要介绍Python爬虫编写的基础知识，以及对爬虫数据的存储、深入处理和分析。全书分为四部分： 第一部分为爬虫基础篇，第二部分为实战基础篇（9个案例），第三部分为框架应用篇（5个案例），第四部分为爬虫应用场景及数据处理篇（6个案例）。 本书由浅入深地介绍爬虫常用的方法和工具，以及对爬虫数据处理的应用和实现。但需要注意的是，爬虫的技术栈不仅包含这几部分，而且在实际工作中的细分方法也不尽相同。本书只是对目前爬虫技术中最为常用的一些知识点用案例的形式进行了分类和讲解，而更多的应用也值得读者在掌握一定的基础技能后进一步探索。 本书适合Python语言初学者、网络爬虫技术爱好者、数据分析从业人士以及高等学校计算机科学、软件工程等相关专业的师生阅读。
机器学习基础（第2版·题库·微课视频版）
本书以机器学习算法为主题，详细介绍算法的理论细节与应用方法。全书共19章，分别介绍了逻辑回归及最大熵模型、k近邻模型、决策树模型、朴素贝叶斯分类器模型、支持向量机模型、集成学习框架、EM算法、降维算法、聚类算法、神经网络模型等基础模型或算法，以及8个综合项目实例。本书重视理论与实践相结合，希望为读者提供全面而细致的学习指导。 本书适合机器学习初学者、相关行业从业人员以及高等院校计算机科学与技术、软件工程等相关专业的师生阅读。
深度学习（微课视频版）
暂无简介
- 1