本書從傳統(tǒng)的機器學習，如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機、集成學習，到前沿的深度學習和神經(jīng)網(wǎng)絡(luò)，如DNN、CNN、BERT、ResNet等，對人工智能技術(shù)進行零基礎(chǔ)講解，內(nèi)容涵蓋數(shù)學原理、公式推導、圖表展示、企業(yè)應用案例。本書面向初中級讀者，能幫助讀者迅速掌握機器學習技術(shù)的相關(guān)概念及原理。本書內(nèi)容結(jié)合作者多年

機器學習實戰(zhàn)：使用R、tidyverse和mlr

隨著人工智能技術(shù)的發(fā)展，人類對智能化服務更加渴望，聊天機器人成為研發(fā)熱門之一�！吨悄芰奶鞕C器人：核心技術(shù)與算法》從聊天機器人所涉及的多個方面出發(fā)，先理論后實踐，讓讀者不僅能了解其中的原理，還能自己動手編程�！吨悄芰奶鞕C器人：核心技術(shù)與算法》共9章，第1章以該領(lǐng)域的背景知識作為開篇，重點介紹了聊天系統(tǒng)中的主要模塊；第2章

本書是一本介紹深度學習理論和實戰(zhàn)應用的教程，先從數(shù)學基礎(chǔ)和機器學習基礎(chǔ)出發(fā)，按照神經(jīng)網(wǎng)絡(luò)的技術(shù)發(fā)展框架由易到難逐步講解深度學習的理論，然后再通過實踐部分，詳細解釋深度學習的應用案例，讓讀者既能了解深度學習理論，又能學會使用深度學習框架，實現(xiàn)自己的深度學習模型。主要內(nèi)容包括深度學習的發(fā)展歷史、單層感知器、線性神經(jīng)網(wǎng)絡(luò)、B

本書基于豐富的圖示，詳細介紹了有監(jiān)督學習和無監(jiān)督學習的17種算法，包括線性回歸、正則化、邏輯回歸、支持向量機、核方法、樸素貝葉斯、隨機森林、神經(jīng)網(wǎng)絡(luò)、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。書中針對各算法均用Python代碼進行了實現(xiàn)，讀者可一邊運行代碼一邊閱讀，從

本書全面講解PaddlePaddleFluid框架在深度學習領(lǐng)域的應用。全書共15章，分別是PaddlePaddle深度學習開發(fā)環(huán)境的搭建、PaddlePaddle快速入門、線性回歸算法實戰(zhàn)、卷積神經(jīng)網(wǎng)絡(luò)實戰(zhàn)、循環(huán)神經(jīng)網(wǎng)絡(luò)實戰(zhàn)、生成對抗網(wǎng)絡(luò)實戰(zhàn)、強化學習實戰(zhàn)、模型的保存與使用、遷移學習實戰(zhàn)可視化工具VisualDL的使

本書的主要特色在于知識建模和智能推理技術(shù)方面的創(chuàng)新，并基于知識圖譜建模和智能推理技術(shù)的集成完成了一系列應用軟件的開發(fā)，直觀形象、易學易用。本書是AI3軟件的詳盡解讀，分為AI3普及版（自由拷貝，不限使用）、AI3智能教學版以及AI3專業(yè)版（適用于復雜過程工業(yè)系統(tǒng)AI應用）。

深度學習已經(jīng)進入我們的生活，云計算和大數(shù)據(jù)為深度學習提供了便利。本書主要講解深度學習中的數(shù)學知識、算法原理和實現(xiàn)方法，配套源碼、數(shù)據(jù)集和開發(fā)環(huán)境。本書共12章。第1章介紹人類視覺和深度學習的聯(lián)系。第2章介紹深度學習中最為重要的梯度下降算法。第3章介紹卷積函數(shù)。第4章介紹計算損失函數(shù)所使用的交叉熵、決策樹和信息熵。第5章

本書引領(lǐng)讀者從操作層面找到進入到VR領(lǐng)域的入口。本書分為三大部分:第一部分為虛擬現(xiàn)實引擎Unity,闡述了Unity基礎(chǔ)、Unity腳本程序基礎(chǔ),圖形界面系統(tǒng),粒子系統(tǒng),物理系統(tǒng)。第二部分為虛擬現(xiàn)實3D建模,通過3dsmax闡述了3D建�；�礎(chǔ)和3D高級建模方法。第三部分通過一個綜合開發(fā)案例虛擬樣板房的制作帶領(lǐng)讀者深入了

本書系統(tǒng)闡述遷移學習的解決方法和典型應用。首先，論述了遷移學習的基本概念、方法分類及發(fā)展歷程，介紹了遷移學習的相關(guān)基礎(chǔ)知識。然后，探討了遷移學習的基本方法，包括基于樣本、基于特征、基于模型和基于關(guān)系的遷移學習方法，闡述了深度遷移學習的經(jīng)典方法，包括神經(jīng)網(wǎng)絡(luò)自適應遷移方法和神經(jīng)網(wǎng)絡(luò)對抗遷移方法，介紹了更加實用的部分域適應