Kubeflow是基于K8S的機器學習工具包，是為數(shù)據(jù)科學家和數(shù)據(jù)工程師構(gòu)建生產(chǎn)級別的機器學習實現(xiàn)而設計的。本書采用循序漸進的方式，從Kubeflow的安裝、使用和設計開篇，隨后從模型訓練的整個周期展開，涵蓋了數(shù)據(jù)探索、特征準備、模型訓練/調(diào)優(yōu)、模型服務、模型測試、模型監(jiān)測和模型版本管理等各個環(huán)節(jié)，既有相關的理論知識也

阿里云IoTHaaS（HardwareasaService）物聯(lián)網(wǎng)設備云端一體低代碼開發(fā)框架集合阿里云、達摩院、平頭哥相關技術，基于數(shù)億臺物聯(lián)網(wǎng)設備接入經(jīng)驗，提供積木式硬件開發(fā)能力，實現(xiàn)低代碼快速開發(fā)，幫助中小開發(fā)者聚焦業(yè)務，實現(xiàn)設備安全上云，加速設備創(chuàng)新迭代。本書主要對HaaS開發(fā)框架中的技術進行詳細的介紹，主要包括

本書介紹統(tǒng)計計算與智能分析基礎理論以及基于Python的模型算法實現(xiàn)。全書由13章組成，主要內(nèi)容有：隨機數(shù)生成技術；數(shù)據(jù)探索性分析；特征提取與選擇方法；期望算法；Markov鏈蒙特卡羅方法；重采樣技術；重要采樣技術；序貫重要性采樣；非參數(shù)概率密度估計；非參數(shù)回歸分析；樹模型理論；概率圖模型；模型性能評價技術。

本教程通過闡述直觀而嚴謹?shù)臋C器學習方法，為學生學習和掌握研究和構(gòu)建數(shù)據(jù)驅(qū)動產(chǎn)品所需的基本知識和實用工具。內(nèi)容優(yōu)先解析幾何直覺和算法思維，為學生提供新穎和易于學習的方式；書中也強調(diào)機器學習結(jié)合實際應用，包括計算機視覺、自然語言處理、經(jīng)濟學、神經(jīng)科學、推薦系統(tǒng)、物理學和生物學案例分析；作者精心設計300多幅彩色插圖，讓讀者

本書對所有重要的機器學習方法和新近研究趨勢進行了深入探索，新版重寫了關于神經(jīng)網(wǎng)絡和深度學習的章節(jié)，并擴展了關于貝葉斯學習的內(nèi)容。書中首先討論基礎知識，包括均方、zui小二乘和zui大似然方法，以及嶺回歸、貝葉斯決策理論分類、邏輯回歸和決策樹。然后介紹較新的技術，包括稀疏建模方法、再生核希爾伯特空間和支持向量機中的學習、

本書致力于推動人工智能的普及教育，使用通俗易懂的語言深入淺出地介紹了人工智能相關知識，包括機器學習和深度學□□基本內(nèi)容，并結(jié)合圖像信息處理和自然語言處理兩個典型應用展開闡述，使讀者能快速掌握人工智能的基本概念、基本知識體系和框架，為進一步學習打下良好基礎。本書共分6章：前4章主要介紹基礎入門知識，包括緒論、基本分類、回

本書可能是國內(nèi)第一本較為全面地介紹人工智能倫理的主要概念及人工智能應用倫理等方面知識的書籍。書中系統(tǒng)性地展示了人工智能面臨的各方面的倫理問題。在介紹社會關注的熱點人工智能倫理問題，如數(shù)據(jù)、算法、機器人、自動駕駛以及人工智能行業(yè)應用倫理等問題的基礎上，提出

本書以Python為基礎，使用Sklearn平臺，逐步帶領讀者熟悉并掌握機器學習的經(jīng)典算法。全書共12章，主要內(nèi)容包括人工智能概述、Python科學計算、數(shù)據(jù)清洗與特征預處理、數(shù)據(jù)劃分與特征提取、特征降維與特征選擇、模型評估與選擇、KNN算法、決策樹、線性模型、樸素貝葉斯算法、支持向量機和k均值聚類算法，附錄介紹了課程

《OpenCV4.0+Python機器學習與計算機視覺實戰(zhàn)》詳細闡述了機器學習與計算機視覺相關的基本解決方案，主要包括濾鏡、深度傳感器和手勢識別、通過特征匹配和透視變換查找對象、使用運動恢復結(jié)構(gòu)重建3D場景、在OpenCV中使用計算攝影、跟蹤視覺上的顯著對象、識別交通標志、識別面部表情、對象分類和定位、檢測和跟蹤對象等

人工智能的發(fā)展需要對所解決問題的有深入的數(shù)學理解，矩陣代數(shù)正是一種基本的數(shù)學工具，在人工智能學科的研究中具有根本性的意義。本書的目的是為人工智能的研究和實踐提供堅實的矩陣代數(shù)理論基礎。全書共9章，分數(shù)學基礎、應用兩部分講述矩陣代數(shù)方法在人工智能中的應用。第一部分《人工智能的矩陣代數(shù)方法：數(shù)學基礎》包括第1–5章，提供矩