本書系統(tǒng)地闡述機器學習中常見的幾類模型,包括模型的思想、原理及實現(xiàn)細節(jié)等。同時,本書還結合了當前熱門的機器學習框架Sklearn,對書中所涉及的模型進行用法上詳細講解。全書共10章,第1章介紹機器學習開發(fā)環(huán)境的配置;第2章講解線性回歸模型的基本原理、回歸模型中常見的幾種評價指標,以及用于有監(jiān)督模型訓練的梯度下降算法;第

本書以任務為導向，討論了機器學習和深度學習的主要問題，包括聚類、回歸、分類、標注、降維、特征工程、超參數(shù)調優(yōu)、序列決策（強化學習）和對抗攻擊等。書中對上述每個問題，分別從決策函數(shù)類模型、概率類模型和神經網絡類模型三個角度來討論具體的實現(xiàn)算法。本書在內容上兼顧基礎知識和應用實踐�？傮w上，以基本理論知識為主線，逐步展開，從

本書從人工智能時代說起，通過項目學習（PBL）的方式由淺入深地剖析圖像處理、人臉聚類、語音識別、人臉簽到、慧眼識人、自動駕駛小車等人工智能的相關應用案例，并在此基礎上推出5個生動有趣的典型綜合實踐項目--裸眼3D、無人機+智慧農業(yè)、創(chuàng)建自己的語音識別庫、語音播報智能垃圾桶、垃圾分類機器人。 本書項目在實施過程中，依托

本書主要內容包括：入門篇（初識人工智能）、理解篇（認知人工智能的應用技術）、實踐篇（探索生活中的人工智能應用）、拓展篇（理解人工智能的重要概念）。本書力求將人工智能相關理論、知識點與具體實踐應用進行結合，通過知識點對應的實踐項目的設置，大大地增強教材的應用性、豐富性及實踐性，極大地提升學生的學習興趣、理解能力和實踐能力

本書共12個單元，每個單元分為SectionA和SectionB兩部分。兩個部分圍繞同一主題，以不同的體裁形式呈現(xiàn)，并提供了參考譯文。本書涵蓋了人工智能領域廣泛的基礎研究主題，比如機器學習、神經網絡、計算機視覺、自然語言處理，展示了人工智能在多領域的具體應用，比如推薦系統(tǒng)、人臉識別、聊天機器人、自動駕駛、智能機器人，并

本書分為三部分。第一部分介紹MLOps主題，深入探討了它是如何(以及為什么)發(fā)展成一門學科的、需要誰參與才能成功執(zhí)行MLOps以及需要哪些組成部分。第二部分介紹了機器學習模型的生命周期，其中包括有關模型開發(fā)、生產準備、生產部署、監(jiān)控和治理的章節(jié)。這些章節(jié)不僅包括一般的注意事項，還包括MLOps生命周期每個階段的注意事項

本書以經典控制理論為主，較全面地闡述了自動控制的基本理論與應用。全書共分8章，主要內容包括：緒論，線性連續(xù)控制系統(tǒng)的數(shù)學模型、時域分析法、根軌跡分析法、頻率特性分析法，線性控制系統(tǒng)的設計與校正，線性離散控制系統(tǒng)的基礎理論、數(shù)學模型、性能分析及校正，非線性控制系統(tǒng)分析以及在MATLAB與Simulink支持下對控制系統(tǒng)的

本書系統(tǒng)全面地闡述了對偶學習，可以讓相關研究人員和從業(yè)者更好地了解該領域的前沿技術。全書分為五部分。第一部分簡要介紹機器學習和深度學習的基礎知識。第二部分以機器翻譯、圖像翻譯、語音處理及其他自然語言處理/計算機視覺任務為例，詳細介紹了基于對偶重構準則的算法。第三部分介紹基于概率準則的若干研究，包括基于聯(lián)合概率準則的對偶

本書旨在全面回顧異質圖表示學習的發(fā)展，并介紹其最新研究進展。首先從方法和技術兩個角度總結了現(xiàn)有的工作，并介紹了該領域的一些公開資源。然后分類詳細介紹了最新模型與應用。最后討論了異質圖表示學習未來的研究方向，并總結了本書的內容。全書主體內容分為四個部分，第一部分快速介紹整個領域，第二、三部分深入研究相關技術和應用，第四部

本書是機器學習領域內一部具有里程碑意義的著作。包括哥倫比亞大學、北京大學在內的多個國內外名校均有以該書為基礎開設的研究生課程。全書內容豐富，視野寬闊，深入淺出地介紹了目前機器學習重要的理論和關鍵的算法。