深度學習:全麵指南提供了深度學習(DL)和機器學習(ML)的概念的全麵覆蓋。DL和ML是最受歡迎的領域,需要深刻的理解。這本書使讀者能夠基於ML和DL構建創新和有用的應用。從神經網絡的基礎開始,並繼續通過各種類型的CNN, RNNs, LSTM的架構,以及更多,直到書的結尾,每一個主題都給予了最大的照顧和專業和全麵的塑造。

https://www.routledge.com/Deep-Learning-A-Comprehensive-Guide/Vasudevan-Pulari-Vasudevan/p/book/9781032028828

關鍵特征: 包括從ML概念到DL概念的平穩過渡

對於所有基於代碼的示例,都提供了逐行解釋

包括許多實際的例子和麵試問題

即使是非計算機科學背景的人也可以從這本書中受益,學習理論、例子、案例研究和代碼片段

每一章都以目標開始,並以一組測試讀者理解力的測試問題結束

包括對提供額外指導的相關YouTube視頻的引用

人工智能是每個人的領域。這本書麵向所有人,不論他們的專業領域是什麼。畢業生和研究人員在深度學習將發現這本書有用。

"> 【幹貨書】深度學習全麵指南,307頁pdf - 專知VIP

深度學習:全麵指南提供了深度學習(DL)和機器學習(ML)的概念的全麵覆蓋。DL和ML是最受歡迎的領域,需要深刻的理解。這本書使讀者能夠基於ML和DL構建創新和有用的應用。從神經網絡的基礎開始,並繼續通過各種類型的CNN, RNNs, LSTM的架構,以及更多,直到書的結尾,每一個主題都給予了最大的照顧和專業和全麵的塑造。

https://www.routledge.com/Deep-Learning-A-Comprehensive-Guide/Vasudevan-Pulari-Vasudevan/p/book/9781032028828

關鍵特征: 包括從ML概念到DL概念的平穩過渡

對於所有基於代碼的示例,都提供了逐行解釋

包括許多實際的例子和麵試問題

即使是非計算機科學背景的人也可以從這本書中受益,學習理論、例子、案例研究和代碼片段

每一章都以目標開始,並以一組測試讀者理解力的測試問題結束

包括對提供額外指導的相關YouTube視頻的引用

人工智能是每個人的領域。這本書麵向所有人,不論他們的專業領域是什麼。畢業生和研究人員在深度學習將發現這本書有用。

成為VIP會員查看完整內容
3
62
0

相關內容

算法設計藝術是對所有算法設計書籍的補充感知,是所有層次學習者以及處理算法問題的專業人員的路線圖。此外,這本書提供了一個全麵的介紹算法,涵蓋了相當深的,但使他們的設計和分析,以所有層次的讀者。所有的算法都是用“偽代碼”來描述和設計的,任何不懂編程的人都可以讀懂。

本書包括一係列綜合問題及其針對每種算法的解決方案,以展示其執行評估和複雜性,目標是:

  • 了解算法的基本概念和設計原理,以及算法的複雜性
  • 用c語言演示所有算法的編程實現
  • 一本優秀的算法手冊,其中的章節不言自明,問題和解決方案也很豐富
  • 雖然其他書籍可能也涵蓋了一些相同的主題,但這本書的設計是既通用又完整的,因為它通過偽代碼示例逐步遍曆了分析每個算法複雜性的概念和方法。此外,這本書提供了一個有趣的初級讀本的算法領域。
  • 本書是為學習算法設計的本科生和研究生設計的。
成為VIP會員查看完整內容
1
64
0

https://link.springer.com/book/10.1007/978-3-319-55444-0

這本引人入勝的和清晰的書麵教科書/參考提供了一個必要的介紹,迅速興起的跨學科領域的數據科學。它側重於成為一名優秀的數據科學家的基本原則,以及建立收集、分析和解釋數據的係統所需的關鍵技能。

《數據科學設計手冊》是一個實用的見解來源,它突出了分析數據中真正重要的東西,並提供了對如何使用這些核心概念的直觀理解。這本書沒有強調任何特定的編程語言或數據分析工具套件,而是著重於重要設計原則的高層討論。

《數據科學概論》是一門易於閱讀的課程,理想情況下,它能滿足本科生和早期研究生的需求。它揭示了這門學科如何處於統計學、計算機科學和機器學習的交叉點,具有自己獨特的分量和特點。這些和相關領域的從業者會發現這本書非常適合自學。

成為VIP會員查看完整內容
2
76
0

這本書的目的是介紹計算機科學家所需要的一些基本數學知識。讀者並不期望自己是數學家,我們希望下麵的內容對你有用。

成為VIP會員查看完整內容
4
113
0

C++是一種功能強大、高度靈活、適應性強的編程語言,它允許軟件工程師快速有效地組織和處理信息。但是,即使您已經掌握了C編程語言,也很難掌握這種高級語言。實用c++編程的第二版是一個完整的介紹c++語言的程序員誰正在學習c++。這第二版反映了c++標準的最新變化,它采取了一種實用的腳踏實地的方法,著重強調了如何設計幹淨、優雅的代碼。簡而言之,切中要點的章節,涵蓋了編程的所有方麵,包括風格、軟件工程、編程設計、麵向對象設計和調試。它還涵蓋了常見的錯誤以及如何發現(和避免)它們。章節結束練習幫助你確保你已經掌握了材料。實用c++編程徹底涵蓋:

http://www.oualline.com/books.free/teach/intro.html

C++語法 編碼標準和風格 對象類的創建和使用 模板 調試和優化 使用c++預處理器

成為VIP會員查看完整內容
1
47
0

人工智能是由機器表現出來的智能,而不是由人類表現出來的智能。

這本書涵蓋了人工智能的各個領域的基本概念,如人工神經網絡,自然語言處理,機器學習,深度學習,遺傳算法等,以及它在Python中的實現。

這本書將是有用的畢業生,研究生,和研究學生誰有興趣在這個課題或有這個課題作為他們的課程的一部分。讀者可以是初學者,也可以是高級學習者。

成為VIP會員查看完整內容
2
57
0

這本書是為任何想學習如何開發機器學習係統的人準備的。我們將從理論和實踐兩方麵涵蓋關於機器學習算法的最重要概念,並將使用Python編程語言中的Scikit-learn庫實現許多機器學習算法。在第一章中,您將學習機器學習最重要的概念,在下一章中,您將主要學習分類。在最後一章中,你將學習如何訓練你的模型。我假定你已經了解了編程的基礎知識。

成為VIP會員查看完整內容
4
120
0

獲得金融、醫療保健和零售領域的機器學習實用技能。這本書通過提供這些領域的案例研究,使用了動手的方法:你將看到如何使用機器學習作為商業增強工具的例子。作為一名領域專家,您不僅會發現機器學習在金融、醫療保健和零售領域是如何應用的,而且還會通過實施機器學習的實際案例研究進行工作。

使用Python的機器學習應用程序分為三個部分,分別針對每個領域(醫療保健、金融和零售)。每一節都以機器學習和該領域的關鍵技術進展的概述開始。然後,您將通過案例研究了解更多關於組織如何改變其所選擇市場的遊戲規則。這本書有實際的案例研究與Python代碼和領域特定的創新想法賺錢的機器學習。

你會學到什麼

  • 發現應用的機器學習過程和原理
  • 在醫療保健、金融和零售領域實現機器學習
  • 避免應用機器學習的陷阱
  • 在三個主題領域構建Python機器學習示例

這本書是給誰的

  • 數據科學家和機器學習專家。
成為VIP會員查看完整內容
1
93
0

通過使用Python開發用例,全麵了解監督學習算法您將學習監督學習概念、Python代碼、數據集、最佳實踐、常見問題和缺陷的解決方案,以及實現結構化、文本和圖像數據集算法的實踐知識。

你將從介紹機器學習開始,強調監督學習、半監督學習和非監督學習之間的區別。在接下來的章節中,你將學習回歸和分類問題,它們背後的數學,像線性回歸、邏輯回歸、決策樹、KNN、樸素貝葉斯等算法,以及像隨機森林、支持向量機、梯度增強和神經網絡等高級算法。提供了所有算法的Python實現。最後,您將得到一個端到端模型開發流程,包括模型的部署和維護。在閱讀了Python的監督學習之後,你將會對監督學習和它的實際實現有一個廣泛的理解,並且能夠以一種創新的方式運行代碼和擴展它。

你將學習:

  • 回顧使用Python進行監督學習的基本構建塊和概念
  • 為結構化數據以及文本和圖像開發監督學習解決方案
  • 解決圍繞過擬合、特征工程、數據清理和建立最佳擬合模型的交叉驗證的問題
  • 理解從業務問題定義到模型部署和模型維護的端到端模型周期
  • 在使用Python創建監督學習模型時,避免常見的缺陷並遵循最佳實踐

這本書是給誰的

  • 對監督學習的最佳實踐和標準感興趣,並使用分類算法和回歸技術來開發預測模型的數據科學家或數據分析師。

https://www.apress.com/gp/book/9781484261552

成為VIP會員查看完整內容
0
47
0

機器學習簡明指南,不可錯過!

A Machine Learning Primer

亞馬遜研究科學家Mihail Eric關於機器學習實踐重要經驗。包括監督學習、機器學習實踐、無監督學習以及深度學習。具體為:

監督學習

  • 線性回歸
  • 邏輯回歸
  • 樸素貝葉斯
  • 支持向量機
  • 決策樹
  • K-近鄰

機器學習實踐

  • 偏差-方差權衡
  • 如何選擇模型
  • 如何選擇特征
  • 正則化你的模型
  • 模型集成
  • 評價指標

無監督學習

  • 市場籃子分析
  • K均值聚類
  • 主成分分析

深度學習

  • 前向神經網絡
  • 神經網絡實踐
  • 卷積神經網絡
  • 循環神經網絡
成為VIP會員查看完整內容
1
67
0

通過技術例子從業務角度發現深度學習的潛在應用、挑戰和機會。這些應用包括圖像識別、分割和注釋、視頻處理和注釋、語音識別、智能個人助理、自動翻譯和自動車輛。

麵向開發者的深度學習業務應用介紹涵蓋了一些常見的DL算法,比如基於內容的推薦算法和自然語言處理。您將探索一些示例,例如使用全卷積神經網絡(FCNN)和剩餘神經網絡(ResNets)進行視頻預測。您還將看到DL用於控製機器人的應用程序,使用蒙特卡羅樹搜索(用於在圍棋遊戲中擊敗人類)探索DeepQ學習算法,以及為財務風險評估建模。這裏還將提到一組被稱為生成對抗神經網絡(GANs)的強大算法,它可用於圖像著色、圖像補全和樣式轉換。

讀完這本書,你將對深度神經網絡這一令人興奮的領域有一個概述,並對深度學習的大部分主要應用有一個理解。這本書包含了一些代碼示例、技巧和如何使用Keras框架訓練深度學習模型的見解。

你將學到什麼

  • 讓我們來了解一下深度學習以及它為什麼如此強大
  • 使用主要算法來訓練深度學習模型
  • 深度學習應用方麵的重大突破
  • 運行一些簡單的示例,並選擇一些深度學習庫
  • 探索深度學習對商業的影響領域

這本書是給誰的

  • 數據科學家、企業家和商業開發人員。
成為VIP會員查看完整內容
4
38
0
小貼士
相關主題
相關VIP內容
專知會員服務
64+閱讀 · 2021年10月24日
專知會員服務
76+閱讀 · 2021年9月16日
專知會員服務
113+閱讀 · 2021年7月27日
專知會員服務
47+閱讀 · 2021年4月23日
專知會員服務
57+閱讀 · 2021年3月23日
專知會員服務
120+閱讀 · 2021年3月19日
專知會員服務
93+閱讀 · 2021年1月1日
專知會員服務
67+閱讀 · 2020年10月5日
專知會員服務
38+閱讀 · 2020年7月4日
相關論文
Arxiv
0+閱讀 · 2月28日
A review on geometric constraint solving
Arxiv
0+閱讀 · 2月28日
Arxiv
28+閱讀 · 2021年7月20日
Arxiv
25+閱讀 · 2021年6月18日
Arxiv
10+閱讀 · 2019年11月14日
Arxiv
13+閱讀 · 2018年8月30日
微信掃碼谘詢專知VIP會員
Top