本書基于大數(shù)據(jù)、人工智能中模式分類的研究，以向量數(shù)據(jù)的機器學(xué)習(xí)方法為基礎(chǔ)，從*優(yōu)化角度研究張量數(shù)據(jù)的學(xué)習(xí)問題，特別關(guān)注張量數(shù)據(jù)分類問題的新模型的建立及其*優(yōu)化算法的設(shè)計。本書所構(gòu)建的張量數(shù)據(jù)分類模型，無論從計算時間、計算復(fù)雜度，還是從分類精度，都表現(xiàn)出該算法的優(yōu)越性，能夠使讀者能夠比較全面地了解張量數(shù)據(jù)分類模型和算法設(shè)

本書圍繞數(shù)據(jù)、算法、模型三要素，研究選取不同算法從歷史數(shù)據(jù)中獲取經(jīng)驗，并歸納出模型進行預(yù)測與優(yōu)化的系列理論與技術(shù)，是涉及計算機科學(xué)、概率統(tǒng)計、決策論等多個學(xué)科的多領(lǐng)域交叉學(xué)科。本書應(yīng)用開源深度學(xué)習(xí)框架PaddlePaddle，從問題定義、數(shù)據(jù)收集、特征工程、模型訓(xùn)練、模型評估、模型應(yīng)用方面，層層深入、循序漸進地剖析機器

本書以實戰(zhàn)為主，通過豐富的實戰(zhàn)案例向讀者介紹深度學(xué)習(xí)可應(yīng)用和落地的項目，書中所有案例都基于Python+TensorFlow2.5+Keras技術(shù)，可用于深度學(xué)習(xí)課程的實戰(zhàn)訓(xùn)練。本書配套示例源碼、PPT課件、思維導(dǎo)圖、數(shù)據(jù)集、開發(fā)環(huán)境與答疑服務(wù)。全書共分11章。第1章講解深度學(xué)習(xí)的概念、流程、應(yīng)用場景、模型分類和框架選

本書是一本介紹智能運維的實戰(zhàn)指南，聚焦實際應(yīng)用場景，通過十余個實戰(zhàn)案例，詳細講解每個場景中的痛點、適用的算法、試驗和*終方案,系統(tǒng)介紹了AI技術(shù)在運維工作中的應(yīng)用。本書內(nèi)容分為3部分，第1部分是智能運維、人工智能的概念和發(fā)展趨勢，包括第1、2章；第2部分是智能運維中需要用到的人工智能技術(shù)和算法，包括第3、4、5章；第3

人工智能將幫助人們把事情做得更好、更快，并在成本效益上更突出，它將深刻改變交通、旅游、醫(yī)療、教育、零售、農(nóng)業(yè)、金融、銷售和營銷等行業(yè)。事實上，人工智能很可能極大地改變?nèi)祟惿鐣�。你可能聽說過很多工作將被人工智能或機器人取代，但你是否知道，與此同時，大量的新工作將由人工智能創(chuàng)造?本書涵蓋了許多與人工智能相關(guān)的有趣話題，包括

本書是一部論述機器學(xué)習(xí)原理與算法的立體化教材（含紙質(zhì)圖書、教學(xué)課件和部分視頻教程），本書兼顧機器學(xué)習(xí)基礎(chǔ)、經(jīng)典方法和深度學(xué)習(xí)方法。對組成機器學(xué)習(xí)的基礎(chǔ)知識和基本算法做了比較細致的介紹，對廣泛應(yīng)用的經(jīng)典算法如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機、決策樹和集成學(xué)習(xí)等算法都給出了深入的分析，并討論了無監(jiān)督學(xué)習(xí)的基本方法

本書是一本系統(tǒng)論述TensorFlow編程的新形態(tài)圖書(含紙質(zhì)圖書、程序代碼及微課視頻)。全書分為22章:第1~5章介紹了TensorFlow基礎(chǔ);第6~8章介紹了神經(jīng)網(wǎng)絡(luò)多層感知層編程;第9~12章介紹了人工智能數(shù)學(xué);第13章介紹了存儲和讀取;第14章介紹了回歸預(yù)測數(shù)據(jù)結(jié)果;第15~17章介紹了圖形辨識和CNN;第1

告訴你一個不太光彩的秘密:在大多數(shù)數(shù)據(jù)科學(xué)項目中，有一半的時間都花在清理和準備數(shù)據(jù)上了。但還有更好的方法:針對表格數(shù)據(jù)和關(guān)系數(shù)據(jù)庫進行優(yōu)化的深度學(xué)習(xí)技術(shù)，無需密集的特性工程，就能提供洞察和分析。學(xué)習(xí)使用少量的數(shù)據(jù)過濾、驗證和清洗，就能解鎖深度學(xué)習(xí)性能的技能�！渡疃葘W(xué)習(xí)處理結(jié)構(gòu)化數(shù)據(jù)實戰(zhàn)》傳授面向表格數(shù)據(jù)和關(guān)系數(shù)據(jù)庫的強

作為一門應(yīng)用型學(xué)科，機器學(xué)習(xí)植根于數(shù)學(xué)理論，落地于代碼實現(xiàn)。這就意味著，掌握公式推導(dǎo)和代碼編寫，方能更加深入地理解機器學(xué)習(xí)算法的內(nèi)在邏輯和運行機制。本書在對全部機器學(xué)習(xí)算法進行分類梳理的基礎(chǔ)之上，分別對監(jiān)督學(xué)習(xí)單模型、監(jiān)督學(xué)習(xí)集成模型、無監(jiān)督學(xué)習(xí)模型、概率模型四個大類共26個經(jīng)典算法進行了細致的公式推導(dǎo)和代碼實現(xiàn)，旨在

《事件驅(qū)動神經(jīng)形態(tài)系統(tǒng)》系統(tǒng)地描述了神經(jīng)形態(tài)工程領(lǐng)域的新技術(shù)，包括構(gòu)建完整的神經(jīng)形態(tài)芯片和解決制造多芯片可擴展系統(tǒng)面臨的技術(shù)問題。《事件驅(qū)動神經(jīng)形態(tài)系統(tǒng)》主要內(nèi)容分為兩部分。分（第2-6章）描述了所構(gòu)建的AER通信體系結(jié)構(gòu)、AER傳感器和電子神經(jīng)模型，其中，第2-5章用樹狀圖描述了將架構(gòu)和電路關(guān)聯(lián)起來的歷史，并引導(dǎo)讀者