"本書是計算機領域本科教育教學改革試點工作計劃（“101計劃”）系列教材之一。本書按照“厚算法基礎、養(yǎng)倫理意識、匠工具平臺、促賦能應用”的培養(yǎng)目標，以表達與推理、搜索與優(yōu)化、建模與學習和倫理與安全為核心，按照如下內容進行組織：第1章緒論、第2章知識表達與推理、第3章搜索探尋與問題求解、第4章機器學習、第5章神經網絡與深

面對數字經濟背景下大數據分析的現實需求，本書分別從經濟理論闡述、數學原理推導、程序代碼實現三個角度，系統全面地闡釋了各類經典機器學習模型的理論內涵和適用范圍，以及基于Python編程語言進行算法訓練、模型測試和參數調優(yōu)的具體方法。本書配有A、B兩個附錄，介紹了Python語言基本語法規(guī)則，以及經濟大數據分析所涉及的Py

奇異跳變系統是一類具有廣泛形式的動力系統，能有效地描述電力系統、電路系統、社會經濟系統等實際系統。本書以時滯奇異跳變系統為研究對象，旨在提出有效的容許性分析與控制器設計方法。本書主要介紹時滯奇異跳變系統容許性分析與狀態(tài)反饋控制、時滯奇異跳變系統觀測器設計與異步反饋控制、時滯奇異跳變系統濾波器設計與故障檢測、時滯奇異跳變

XGBoost是一種經過行業(yè)驗證的開源軟件庫，為快速高效地處理數十億數據點提供了梯度提升框架。首先，本書在介紹機器學習和XGBoost在scikit-learn中的應用后，逐步深入梯度提升背后的理論知識。讀者將學習決策樹，并分析在機器學習環(huán)境中的裝袋技術，同時學習拓展到XGBoost的超參數；并將從零開始構建梯度提升模

本書通過對大眾電子足跡大數據的挖掘與分析，從公共事件、智能交通和行為經濟學三個維度探究復雜社會系統所隱藏的內生動力，并通過提出基本假設、建立理論模型探索這些規(guī)律的產生機制和可能的動力學影響。本書共6章：第1章系統梳理了“人類行為動力學”在社會科學的認知及其使用情況，比較了“內生動力”與“外在推力”等知識體系對人類行為的

本書詳細介紹了強化學習的理論推導、算法細節(jié)。全書共12章，包括強化學習概述、馬爾可夫決策過程、退化的強化學習問題、環(huán)境已知的強化學習問題、基于價值的強化學習算法、基于策略的強化學習算法、AC型算法、基于模型的強化學習算法等相關知識。本書系統性強、概念清晰，內容簡明通俗。除了側重于理論推導，本書還提供了許多便于讀者理解的

主要內容●數據字典和數據治理●數據質量管控、合規(guī)和分發(fā)●構建自動化管道以提高可靠性●數據攝取、存儲和分發(fā)●支持生產環(huán)境中的數據建模、分析和機器學習

本書介紹了深度學習的基本理論、工程實踐及其在產業(yè)界的部署和應用。在深度學習框架的介紹中，書中結合代碼詳細講解了經典的卷積神經網絡、循環(huán)神經網絡和基于自注意力機制的Transformer網絡及其變體。還介紹了這些模型在圖像分類、目標檢測、語義分割、欺詐檢測和語音識別等領域的應用。此外，書中還涵蓋了深度強化學習和生成對抗網

主要內容●用進化計算解決復雜的設計和分析問題●調整深度學習超參數●將Q-Learning應用于深度學習，從而進行深度強化學習●優(yōu)化無監(jiān)督自編碼器的損失函數和網絡架構●創(chuàng)建一個能夠參與OpenAIGym游戲的進化智能體

《ChatGLM3大模型本地化部署、應用開發(fā)與微調》作為《PyTorch2.0深度學習從零開始學》的姊妹篇，專注于大模型的本地化部署、應用開發(fā)以及微調等�！禖hatGLM3大模型本地化部署、應用開發(fā)與微調》不僅系統地闡述了深度學習大模型的核心理論，更注重實踐應用，通過豐富的案例和場景，引導讀者從理論走向實踐，真正領悟和