數(shù)學(xué)是機(jī)器學(xué)習(xí)繞不開(kāi)的基礎(chǔ)知識(shí)，傳統(tǒng)教材的風(fēng)格偏重理論定義和運(yùn)算技巧，想以此高效地打下機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)，針對(duì)性和可讀性并不佳。本書(shū)以機(jī)器學(xué)習(xí)涉及的線(xiàn)性代數(shù)核心知識(shí)為重點(diǎn)，進(jìn)行新的嘗試和突破：從坐標(biāo)與變換、空間與映射、近似與擬合、相似與特征、降維與壓縮這5個(gè)維度，環(huán)環(huán)相扣地展開(kāi)線(xiàn)性代數(shù)與機(jī)器學(xué)習(xí)算法緊密結(jié)合的核心內(nèi)容，

本書(shū)主要講述了深度學(xué)習(xí)中的重要概念和技術(shù)，并展示了如何使用TensorFlow實(shí)現(xiàn)高級(jí)機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)。本書(shū)首先介紹了數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)中的基本概念，然后講述如何使用TensorFlow訓(xùn)練深度學(xué)習(xí)模型，以及如何通過(guò)訓(xùn)練深度前饋神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)字進(jìn)行分類(lèi)，如何通過(guò)深度學(xué)習(xí)架構(gòu)解決計(jì)算機(jī)視覺(jué)、語(yǔ)言處理、語(yǔ)義分析等方面的

本書(shū)用淺顯易懂的語(yǔ)言，圖文并貌地講解了深度學(xué)習(xí)的基礎(chǔ)知識(shí)，從如何挑選硬件到神經(jīng)網(wǎng)絡(luò)的初步搭建，再到實(shí)現(xiàn)圖片識(shí)別、文本翻譯、強(qiáng)化學(xué)習(xí)、生成對(duì)抗網(wǎng)絡(luò)等多個(gè)目前*流行的深度學(xué)習(xí)應(yīng)用。書(shū)中基于目前流行的PyTorch框架，運(yùn)用Python語(yǔ)言實(shí)現(xiàn)了各種深度學(xué)習(xí)的應(yīng)用程序，讓理論和實(shí)踐緊密結(jié)合。

隨著計(jì)算科學(xué)的快速發(fā)展，人工智能已為我們大家熟知。2017年國(guó)務(wù)院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》，明確了人工智能的國(guó)家戰(zhàn)略地位，關(guān)于人工智能的科普、技術(shù)普及讀物也已出現(xiàn)，但符合少年兒童認(rèn)知的人工智能科普讀物卻一直是個(gè)空白。本書(shū)是面向少年兒童的人工智能科普讀物，用輕松有趣的筆觸和明確簡(jiǎn)潔的形式介紹人工智能的歷史、現(xiàn)狀

本書(shū)旨在討論人工智能領(lǐng)域未來(lái)的發(fā)展方向，即通用人工智能和奇點(diǎn)現(xiàn)象。本書(shū)涵蓋了奇點(diǎn)理論提出以來(lái)該領(lǐng)域取得的一系列研究進(jìn)展，剖析了實(shí)現(xiàn)通用人工智能所面臨的問(wèn)題并分析了各種實(shí)現(xiàn)途徑。作者不僅展開(kāi)了天馬行空的想象，思考未來(lái)技術(shù)，比如意識(shí)上傳、飛米技術(shù)等如何為通用人工智能提供可行性，還將現(xiàn)有的通用人工智能技術(shù)落地，在生物學(xué)領(lǐng)域進(jìn)

深度學(xué)習(xí)是當(dāng)前人工智能的引領(lǐng)技術(shù)，是引發(fā)新一輪人工智能熱潮的原動(dòng)力。本書(shū)從模型、算法、原理等角度全面介紹深度學(xué)習(xí)技術(shù)，包括近兩年最新成果。全書(shū)由三大部分組成。第一部分是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括機(jī)器學(xué)習(xí)問(wèn)題、淺層機(jī)器學(xué)習(xí)、早期神經(jīng)網(wǎng)絡(luò)等；第二部分是深度學(xué)習(xí)模型及算法，包括深度生成模型、卷積網(wǎng)絡(luò)、循環(huán)和遞歸網(wǎng)絡(luò)、表示學(xué)

本書(shū)以程序員所熟悉的代碼方式帶領(lǐng)程序員們進(jìn)入深度學(xué)習(xí)的世界。所有的理論都有對(duì)應(yīng)的可運(yùn)行的代碼進(jìn)行說(shuō)明。程序員可以通過(guò)修改和調(diào)試代碼在熟悉的世界里完成向深度學(xué)習(xí)的轉(zhuǎn)型。 本書(shū)兼顧了Tensorflow和PyTorch這兩大流行的深度學(xué)習(xí)框架，使讀者同時(shí)掌握靜態(tài)計(jì)算圖和動(dòng)態(tài)計(jì)算圖這兩大流派，方便讀者跟隨新技術(shù)形勢(shì)。同時(shí)還介

深度學(xué)習(xí)是當(dāng)前人工智能的引領(lǐng)技術(shù)，是引發(fā)新一輪人工智能熱潮的原動(dòng)力。本書(shū)從模型、算法、原理等角度全面介紹深度學(xué)習(xí)技術(shù)，包括近兩年最新成果。全書(shū)由三大部分組成。第一部分是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括機(jī)器學(xué)習(xí)問(wèn)題、淺層機(jī)器學(xué)習(xí)、早期神經(jīng)網(wǎng)絡(luò)等；第二部分是深度學(xué)習(xí)模型及算法，包括深度生成模型、卷積網(wǎng)絡(luò)、循環(huán)和遞歸網(wǎng)絡(luò)、表示學(xué)

本書(shū)介紹了深度學(xué)習(xí)原理與TensorFlow實(shí)踐。著重講述了當(dāng)前學(xué)術(shù)界和工業(yè)界的深度學(xué)習(xí)核心知識(shí)：機(jī)器學(xué)習(xí)概論、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)。著重講述了深度學(xué)習(xí)的實(shí)現(xiàn)以及深度學(xué)習(xí)框架TensorFlow：Python編程基礎(chǔ)、TensorFlow編程基礎(chǔ)、TensorFlow模型、TensorFlow編程實(shí)踐、TensorFlo

本書(shū)將帶你了解特征工程的完整過(guò)程，使機(jī)器學(xué)習(xí)更加系統(tǒng)、高效。你會(huì)從理解數(shù)據(jù)開(kāi)始學(xué)習(xí)，機(jī)器學(xué)習(xí)模型的成功正是取決于如何利用不同類(lèi)型的特征，例如連續(xù)特征、分類(lèi)特征等。你將了解何時(shí)納入一項(xiàng)特征、何時(shí)忽略一項(xiàng)特征，以及其中的原因。你還會(huì)學(xué)習(xí)如何將問(wèn)題陳述轉(zhuǎn)換為有用的新特征，如何提供由商業(yè)需求和數(shù)學(xué)見(jiàn)解驅(qū)動(dòng)的特征，以及如何在自己