機器學習是以概率論、統(tǒng)計學、信息論、**化理論、計算理論等為基礎的計算機應用理論學科，也是人工智能、數(shù)據(jù)挖掘等領域的基礎學科�！稒C器學習方法》全面系統(tǒng)地介紹了機器學習的主要方法，共分三篇。第一篇介紹監(jiān)督學習的主要方法，包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與**熵模型、支持向量機、Boosting、E

《Scikit-Learn機器學習核心技術(shù)與實踐》循序漸進地講解了使用Scikit-Learn開發(fā)機器學習程序的核心知識，并通過具體實例的實現(xiàn)過程演練了使用Scikit-Learn的方法和流程。全書共10章，包括人工智能與Scikit-Learn簡介，加載數(shù)據(jù)集，監(jiān)督學習，無監(jiān)督學習，模型選擇和評估，數(shù)據(jù)集轉(zhuǎn)換，實現(xiàn)大

主要內(nèi)容●探索深度學習的**似然原理和統(tǒng)計學基礎●發(fā)現(xiàn)能輸出各種可能結(jié)果的概率模型●學習使用標準化流來建模和生成復雜分布●使用貝葉斯神經(jīng)網(wǎng)絡獲取模型中的不確定性

本書主要講解了機器學習算法的基礎知識，以及業(yè)界常用算法的應用。其中，項目1介紹了機器學習的定義、類型、環(huán)境搭建以及開發(fā)步驟；項目2介紹了如何進行數(shù)據(jù)預處理，包含如何對獲取的原始數(shù)據(jù)進行處理、數(shù)據(jù)集的劃分、數(shù)據(jù)的歸一化，以及如何使用主成分分析來提取數(shù)據(jù)的主要特征等內(nèi)容；其他8個項目主要介紹了目前主流的機器學習算法。每個項

《TensorFlowLite移動設備深度學習從入門到實踐》循序漸進地講解了使用TensorFlowLite開發(fā)移動設備深度學習程序的核心知識，并通過具體實例的實現(xiàn)過程演練了使用TensorFlowLite的方法和流程。全書共12章，分別講解了人工智能和機器學習基礎、搭建開發(fā)環(huán)境、第一個TensorFlowLite程序

本書是為高等院校計算機科學與技術(shù)、軟件工程、人工智能、大數(shù)據(jù)技術(shù)、信息管理等相關(guān)專業(yè)的“人機交互技術(shù)”或“人機界面設計”等課程編寫的以實驗和實踐為主線開展教學的主教材。全書通過一系列在網(wǎng)絡環(huán)境下學習和實踐的實驗練習，把人機交互技術(shù)的概念、理論知識與技術(shù)融入實踐中，加深讀者對該課程的認識和理解。內(nèi)容包括人機交互與用戶體驗

全書圍繞Alink（阿里在Flink基礎上做的開源版本）的展開，以實例為主闡述Alink的使用。?以機器學習的知識架構(gòu)將各個章節(jié)串聯(lián)起來，每個章節(jié)配合實例，用戶更容易理解和入手嘗試。?數(shù)據(jù)會采用讀者能免費下載的數(shù)據(jù)集，在加上Alink本身是開源的、免費的。用戶試用起來沒有成本。?實例實現(xiàn)的源代碼，準備放在Alink開源

《PyTorch開發(fā)入門：深度學習模型的構(gòu)建與程序?qū)崿F(xiàn)》以PyTorch為主要內(nèi)容，介紹了其安裝和實際應用，共7章。其中，第1章介紹了PyTorch的包結(jié)構(gòu)；第2章介紹了線性模型，并通過PyTorch的實際使用來實現(xiàn)線性回歸模型和邏輯回歸模型；第3章介紹了神經(jīng)網(wǎng)絡，實際使用PyTorch創(chuàng)建一個多層感知器（Percep

TensorFlowLite移動端深度學習循序漸進地講解了在移動設備中使用TensorFlowLite開發(fā)機器學習和深度學習程序的核心知識，并通過具體實例演練了各知識點的使用方法和流程。全書共9章，分別講解了人工智能開發(fā)基礎、編寫個TensorFlowLite程序、創(chuàng)建模型、轉(zhuǎn)換模型、推斷、優(yōu)化處理、微控制器、物體檢測

本書的出發(fā)點是嵌入式系統(tǒng)的實際應用，因此涉及面比較廣，為了控制篇幅，很多內(nèi)容點到為止，但可以起到拋磚引玉的作用。本書首先對嵌入式系統(tǒng)做了定義，然后圍繞該定義展開。全書分為三篇，第壹篇側(cè)重于基礎應用知識；第二篇是基于第壹篇的高階應用知識，主要針對嵌入式操作系統(tǒng)；第三篇相對獨立，對目前非常流行的低功耗藍牙原理和應用做了介紹