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)的機器學習方法為基礎，從*優(yōu)化角度研究張量數(shù)據(jù)的學習問題，特別關注張量數(shù)據(jù)分類問題的新模型的建立及其*優(yōu)化算法的設計。本書所構建的張量數(shù)據(jù)分類模型，無論從計算時間、計算復雜度，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

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測與優(yōu)化的系列理論與技術，是涉及計算機科學、概率統(tǒng)計、決策論等多個學科的多領域交叉學科。本書應用開源深度學習框架PaddlePaddle，從問題定義、數(shù)據(jù)收集、特征工程、模型訓練、模型評估、模型應用方面，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習可應用和落地的項目，書中所有案例都基于Python+TensorFlow2.5+Keras技術，可用于深度學習課程的實戰(zhàn)訓練。本書配套示例源碼、PPT課件、思維導圖、數(shù)據(jù)集、開發(fā)環(huán)境與答疑服務。全書共分11章。第1章講解深度學習的概念、流程、應用場景、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技術在運維工作中的應用。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的有趣話題，包括

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

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;第6~8章介紹了神經(jīng)網(wǎng)絡多層感知層編程;第9~12章介紹了人工智能數(shù)學;第13章介紹了存儲和讀取;第14章介紹了回歸預測數(shù)據(jù)結果;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)和關系數(shù)據(jù)庫進行優(yōu)化的深度學習技術，無需密集的特性工程，就能提供洞察和分析。學習使用少量的數(shù)據(jù)過濾、驗證和清洗，就能解鎖深度學習性能的技能�！渡疃葘W習處理結構化數(shù)據(jù)實戰(zhàn)》傳授面向表格數(shù)據(jù)和關系數(shù)據(jù)庫的強

作為一門應用型學科，機器學習植根于數(shù)學理論，落地于代碼實現(xiàn)。這就意味著，掌握公式推導和代碼編寫，方能更加深入地理解機器學習算法的內(nèi)在邏輯和運行機制。本書在對全部機器學習算法進行分類梳理的基礎之上，分別對監(jiān)督學習單模型、監(jiān)督學習集成模型、無監(jiān)督學習模型、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)工程領域的新技術，包括構建完整的神經(jīng)形態(tài)芯片和解決制造多芯片可擴展系統(tǒng)面臨的技術問題�！妒录�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）描述了所構建的AER通信體系結構、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和電路關聯(lián)起來的歷史，并引導讀者