這是一本具有高中數(shù)學(xué)知識就能讀懂的機(jī)器學(xué)習(xí)圖書，書中通過大量程序?qū)嵗�，將�?fù)雜的公式重新拆解，詳細(xì)、清晰地解讀了機(jī)器學(xué)習(xí)中常用的數(shù)學(xué)知識，一步步帶領(lǐng)讀者進(jìn)入機(jī)器學(xué)習(xí)的領(lǐng)域。本書共22章，主要講解了數(shù)據(jù)可視化、math模塊、sympy模塊、numpy模塊、方程式、函數(shù)、最小平方法、集合、概率、貝葉斯定理、指數(shù)、對數(shù)、歐拉數(shù)

圖神經(jīng)網(wǎng)絡(luò)（GNN）是基于深度學(xué)習(xí)的圖數(shù)據(jù)處理方法，因其卓越的性能而受到廣泛關(guān)注。本書全面介紹了GNN的基本概念、具體模型和實(shí)際應(yīng)用。書中首先概述數(shù)學(xué)基礎(chǔ)和神經(jīng)網(wǎng)絡(luò)以及圖神經(jīng)網(wǎng)絡(luò)的基本概念，接著介紹不同種類的GNN，包括卷積圖神經(jīng)網(wǎng)絡(luò)、循環(huán)圖神經(jīng)網(wǎng)絡(luò)、圖注意力網(wǎng)絡(luò)、圖殘差網(wǎng)絡(luò)，以及幾個(gè)通用框架。此外，本書還介紹了GNN

本書由全球知名的3位專家IanGoodfellow、YoshuaBengio和AaronCourville撰寫，是深度學(xué)習(xí)領(lǐng)域奠基性的經(jīng)典教材。全書的內(nèi)容包括3個(gè)部分：第1部分介紹基本的數(shù)學(xué)工具和機(jī)器學(xué)習(xí)的概念，它們是深度學(xué)習(xí)的預(yù)備知識；第2部分系統(tǒng)深入地講解現(xiàn)今已成熟的深度學(xué)習(xí)方法和技術(shù)；第3部分討論某些具有前瞻性的

本書利用精美的插圖和有趣的類比，對深度學(xué)習(xí)的主流技術(shù)和背后的原理進(jìn)行了深入淺出的講解，解釋了什么是深度學(xué)習(xí)，深度學(xué)習(xí)流行的原因，以及深度學(xué)習(xí)與其他機(jī)器學(xué)習(xí)方法的關(guān)系。閱讀本書，讀者可以掌握卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成式對抗網(wǎng)絡(luò)和深度強(qiáng)化學(xué)習(xí)等熱門技術(shù)，學(xué)習(xí)TensorFlow、Keras和PyTorch等熱門工具的

近年，人工智能熱潮席卷而來。本書以圖解的方式網(wǎng)羅了人工智能開發(fā)必備的基礎(chǔ)知識，內(nèi)容涉及機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、圖像和語音的模式識別、自然語言處理、分布式計(jì)算等熱門技術(shù)。全書以圖配文，深入淺出，是一本兼顧理論和技術(shù)的人工智能入門教材。旨在幫助讀者建立對人工智能技術(shù)的整體印象，為今后深入探索該領(lǐng)域打下基礎(chǔ)。另外，書中

本書涵蓋人工智能概述、Python編程基礎(chǔ)、TensorFlow機(jī)器學(xué)習(xí)框架、機(jī)器學(xué)習(xí)算法、MNIST數(shù)據(jù)集及神經(jīng)網(wǎng)絡(luò)、TensorFlow高級框架、OpenCV開發(fā)與應(yīng)用等基礎(chǔ)知識，并介紹且搭建了計(jì)算機(jī)視覺中的手寫數(shù)字識別與人臉識別、自然語言處理中的語音識別與智能聊天機(jī)器人具體項(xiàng)目，還介紹并實(shí)踐了AI開放平臺的接入與

隨著近幾十年來技術(shù)的飛速發(fā)展，人機(jī)交互技術(shù)的地位越來越重要。本書目的是建立以信息流（包括輸入、處理、輸出過程）交互為基礎(chǔ)的人機(jī)交互設(shè)計(jì)與評價(jià)思想體系，主要內(nèi)容包括：人的感覺特性，人的情境認(rèn)知特性，人的控制特性，人的行為信息分析，以及設(shè)計(jì)及評價(jià)方法、專題研究。

本書在內(nèi)容安排上十分精良，為便于數(shù)學(xué)基礎(chǔ)較薄弱的讀者學(xué)習(xí)，引入了深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ)；再由淺入深地以實(shí)戰(zhàn)案例講解的方式，對于誤差反向傳播法、卷積運(yùn)算等進(jìn)行詳細(xì)剖析，使讀者在實(shí)現(xiàn)層面上理解；此外還加入了前沿技術(shù)，如BatchNormalization等內(nèi)容。本書提供了8個(gè)完整的項(xiàng)目案例、完整的構(gòu)建過程、詳細(xì)的視頻講解以及相應(yīng)

本書是《數(shù)據(jù)庫及其應(yīng)用（Access+Python）》（第4版）配套的學(xué)習(xí)與實(shí)驗(yàn)的指導(dǎo)教程。全書分為12章，每章包括主教程對應(yīng)章節(jié)的主要知識點(diǎn)歸納以及習(xí)題。各章知識點(diǎn)歸納精煉、完整，習(xí)題包括選擇題、填空題、簡答題和設(shè)計(jì)操作題等多種題型，涵蓋了本章主要內(nèi)容，并融匯了對于相關(guān)知識的整體理解和應(yīng)用的要求。所有習(xí)題都有參考答案

本書內(nèi)容涉及到了一些機(jī)器學(xué)習(xí)算法的并行化，使得大規(guī)模分布式機(jī)器學(xué)習(xí)算法成為可能，內(nèi)容分為四個(gè)大部分：大規(guī)模機(jī)器學(xué)習(xí)的框架、監(jiān)督和非監(jiān)督學(xué)習(xí)算法、其它的學(xué)習(xí)算法和相關(guān)應(yīng)用部分。