本書將帶領讀者一起主動擁抱機器學習，快樂翻越高等數(shù)學、算法分析、工程實踐這三座大山。面對三類讀者（會用即可、想深入學習、想成為專家）的學習動機和閱讀需求，全書一共用19章來講解機器學習的各種模型，包括機器學習中基礎和關鍵的線性回歸、邏輯回歸、決策樹、貝葉斯、支持向量機、KNN等。全書具有語言表達輕快、模型講解細致、圖表

使用機器學習技術解決實際應用問題涉及模型的建立、訓練及評估等步驟。優(yōu)化算法常被用于訓練模型的參數(shù)，是機器學習的重要組成部分。機器學習模型的訓練可以建模成無約束優(yōu)化問題或帶約束優(yōu)化問題，約束可以為模型增加更多的先驗知識�；�于梯度的算法（例如加速梯度法、隨機梯度法等）是求解無約束優(yōu)化問題的常用方法，而交替方向乘子法（ADM

本書系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡的主要理論和設計基礎，給出了大量應用實例，旨在使讀者了解神經(jīng)網(wǎng)絡的發(fā)展背景和研究對象，理解和熟悉其基本原理和主要應用，掌握其結(jié)構(gòu)模型和基本設計方法，為以后的深入研究和應用開發(fā)打下基礎。全書共分為10章，第1、2章介紹了神經(jīng)網(wǎng)絡的發(fā)展歷史、基本特征與功能、應用領域及基礎知識，第3~10章展開介

本書系統(tǒng)介紹了機器學習常用算法及其應用，在深入分析算法原理的基礎上，結(jié)合當前熱門應用場景，向讀者展現(xiàn)了機器學習算法的綜合應用，帶領讀者進入機器學習領域，開啟人工智能行業(yè)的大門。全書共21章，分為3部分。第1部分介紹機器學習基礎算法，包括線性回歸、多項式回歸、邏輯回歸、k-NN、決策樹、k-Means、SVM、隨機森林、

本書分四章：自然語言基礎、自然語言理解、序列建模、語音識別。內(nèi)容包括：文本的表示和分詞、文本特征表示、詞性分析及命名實體識別、詞空間和詞空間的可視化、基于主題的宋詞創(chuàng)作、宋詞的主題分析、宋詞的派別分類、宋詞的推薦等。

本書較全面地介紹了目前人工智能的主流概念、理論、方法、技術及應用等內(nèi)容。全書共4個項目，首先介紹了智能和人工智能的定義與類型、研究內(nèi)容、發(fā)展歷程，以及人工智能與大數(shù)據(jù)的關系：然后介紹了人工智能在人才、安全、倫理、法律等方面面臨的種種問題與對策；而后介紹了包括語音識別技術、人體識別技術、圖文識別技術、機器視覺技術、自然語

本書設計了七章內(nèi)容,第一至三章介紹人工智能的概念及基本的技術原理。第四至六章介紹人工智能技術在視覺、語音和自然語言處理中的應用,第七章介紹利用系統(tǒng)工程設計方法設計實現(xiàn)人工智能產(chǎn)品。每章由人工智能產(chǎn)品體驗、人工智能技術原理描述、人工智能技術實現(xiàn)實驗、人工智能應用方案設計實驗和人工智能的發(fā)展與應用等部分組成。

本書介紹深度學習領域先進的技術以及深度學習在主要的自然語言處理任務中的成功應用，包括語音識別和理解、對話系統(tǒng)、語義分析、句法分析、知識圖譜、機器翻譯、問答、情感分析、社會計算和基于圖像的自然語言生成。本書對深度學習時代自然語言處理領域的不同研究前沿進行了概括與分析，還列舉了深度學習與自然語言處理領域中交叉的技術性術語以

本書主要內(nèi)容包括機器學習緒論、Python基礎知識、模型評估及模型、機器學習及神經(jīng)網(wǎng)絡、MNIST識別及圖像分類。

本書是一本MLOps的綜合指南,詳細介紹了DevOps和MLOps的理論和實踐,包括如何創(chuàng)建持續(xù)集成和持續(xù)交付、Kaizen(即對所有事物進行持續(xù)改進的想法)等,還介紹了基于云的MLOps,以及MLOps的關鍵技術領域,包括AutoML、容器、邊緣計算和模型可移植性。本書最后還介紹了一些真實案例研究,并介紹執(zhí)行MLOp