找到 2 条结果 按相关性 按时间降序
跟我一起学机器学习
本书系统地阐述机器学习中常见的几类模型，包括模型的思想、原理及实现细节等。同时，本书还结合了当前热门的机器学习框架Sklearn，对书中所涉及的模型进行用法上详细讲解。 全书共10章，第1章介绍机器学习开发环境的配置；第2章讲解线性回归模型的基本原理、回归模型中常见的几种评价指标，以及用于有监督模型训练的梯度下降算法；第3章介绍逻辑回归模型的基本原理和分类模型中常见的几种评价指标；第4章介绍模型的改善与泛化，包括特征标准化、如何避免过拟合及如何进行模型选择等；第5章讲解K最近邻分类算法的基本原理及kd树的构造与搜索；第6章介绍朴素贝叶斯算法的基本原理；第7章介绍几种常见的文本特征提取方法，包括词袋模型和TF-IDF等；第8章讲解决策树的基本原理，包括几种经典的决策树生成算法和集成模型；第9章介绍支持向量机的基本原理与求解过程；第10章介绍几种经典的聚类算法及相应的评价指标计算方法。 本书包含大量的代码示例及实际案例介绍，不仅可以作为计算机相关专业学生入门机器学习的读物，同时也适用于非计算机专业及培训机构的参考学习书籍。
跟我一起学深度学习
本书以深度学习入门内容为主线，通过数形结合的方式来渐进式引导读者进行学习，力争使各位读者对于每个算法原理不仅要做到知其然更要做到知其所以然。同时，本书采用了深度学习中较为流行且简单易学的PyTorch框架来进行示例，以便让各位读者在学习各个算法的原理过程中也能够掌握其实际的用法。 本书共10章，分为深度学习领域发展和开发环境配置、深度学习基础和深度学习技术在自然语言处理领域方面的应用三部分内容。第一部分内容（第1~2章）详细介绍了深度学习的起源和发展阶段及深度学习环境的安装配置。第二部分内容（第3~8章）介绍了深度学习入门的基础内容，包括线性回归、梯度下降与反向传播、卷积神经网络、循环神经网络和模型的优化等方面的内容。第三部分（第9~10章）详细介绍了自然语言处理领域的重要概念和技术发展路线，包括Seq2Seq、注意力机制、Transformer和GPT等目前主流的算法模型。 本书图例丰富，原理与代码讲解通俗易懂，既可作为高等院校和培训机构相关专业的教学参考书，也可作为对深度学习领域感兴趣的工程师和研究人员使用。
- 1