閱讀本書，即使讀者僅掌握高中數(shù)學知識，也能理解和應(yīng)用強大的機器學習技術(shù)！簡單來講，機器學習是一套以算法為基礎(chǔ)的數(shù)據(jù)分析技術(shù)，當你提供更多數(shù)據(jù)時，算法可反饋更好的結(jié)果。ML支持許多尖端技術(shù)，如推薦系統(tǒng)、面部識別軟件、智能揚聲器，甚至包括自動駕駛汽車。本書不落窠臼，示例豐富，精選的練習十分有趣，插圖清晰，講解機器學習的核心

人們相信人工智能可以為這個時代的技術(shù)帶來突破，而ChatGPT則使這種希望成為現(xiàn)實�，F(xiàn)在，許多人都渴望了解與ChatGPT相關(guān)的一切，包括技術(shù)的歷史和背景，其神奇的功能以及如何使用它。雖然ChatGPT的使用方法很簡單，但它具有無限的潛力。如果不去親身體驗，很難體會到它的強大之處。本書盡可能全面地介紹了與ChatGPT

機器學習是人工智能的重要分支。本書立足實用且易于上手實踐的原則，系統(tǒng)地介紹機器學習領(lǐng)域的經(jīng)典算法，以及這些算法的Python實現(xiàn)和典型應(yīng)用。本書分4部分:第1部分介紹監(jiān)督學習，包括線性模型、決策樹分類、貝葉斯分類器、集成學習和支持向量機；第2部分介紹無監(jiān)督學習，包括關(guān)聯(lián)規(guī)則、聚類分析和數(shù)據(jù)降維；第3部分介紹深度學習，包

本書是寫給沒有學過任何計算機語言的讀者的，例如大學生。本書主要講授MATLAB的基本知識，從如何打開MATLAB的指令窗口，輸入最簡單的指令開始，利用MATLAB提供的交互式環(huán)境，用簡明的實例向讀者示范如何調(diào)用MATLAB的內(nèi)部函數(shù)實現(xiàn)數(shù)值計算、符號運算和平面曲線、空間曲線與曲面圖等圖形輸出，以及機器學習和線性代數(shù)與微

本書的主要內(nèi)容涵蓋機器學習領(lǐng)域的主要模型和算法,包括監(jiān)督學習的分類和回歸模型與算法、非監(jiān)督學習的聚類和降維算法、強化學習的主要算法、遷移學習的實例以及最新前沿的相關(guān)模型和算法的實踐。本書以實驗項目或案例為單元,每個單元有明確的實驗?zāi)康�、原理和實驗步驟,包括基礎(chǔ)驗證性實驗、綜合設(shè)計性實驗和系統(tǒng)開發(fā)項目實踐。

本書主要內(nèi)容包括探索性數(shù)據(jù)分析、有監(jiān)督學習(線性回歸、SVM、決策樹等)、無監(jiān)督學習(降維、聚類等),以及深度學習的基礎(chǔ)原理和應(yīng)用等。本書旨在為廣大讀者提供一個系統(tǒng)全面、易于理解的機器學習和深度學習入門教程。不需要過多的數(shù)學背景,只需掌握基本的編程知識即可輕松上手。

本書匯集了作者從業(yè)多年來為體驗設(shè)計師、交互設(shè)計師解答過的疑問,以及個人的成長經(jīng)驗,內(nèi)容包括四大部分:設(shè)計思考、工作經(jīng)驗、應(yīng)聘建議和生活感悟,既傳授了專業(yè)的、扎實的體驗設(shè)計方法,又分享了職場上的一些必備技巧。好的問題見微知著,好的回答授人以漁。希望這些回答可以幫助更多的讀者走出疑惑、延伸視野、拓展思維。

本書使用Python對人工智能機器學習中的相關(guān)知識進行了算法實現(xiàn),并以這些知識為背景解釋了什么是深度學習。具體內(nèi)容包括初識機器學習、機器學習基礎(chǔ)、群智能與優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)和深度學習。因為沒有使用TensorFlow、PyTorch等任何程序庫,僅使用Python直接實現(xiàn)機器學習與深度學習的相關(guān)算法,可以讓讀者更好地理

這是一本講解NPU硬件架構(gòu)設(shè)計與技術(shù)實現(xiàn)的著作。作者將自己在CPU、GPU和NPU領(lǐng)域15年的軟硬件工作經(jīng)驗融會貫通，將四代NPU架構(gòu)設(shè)計經(jīng)驗融為一體，將端側(cè)和云側(cè)NPU架構(gòu)合二為一，總結(jié)并提煉出本書內(nèi)容。本書主要討論神經(jīng)網(wǎng)絡(luò)硬件層面，尤其是芯片設(shè)計層面的內(nèi)容，主要包含神經(jīng)網(wǎng)絡(luò)的分析、神經(jīng)網(wǎng)絡(luò)加速器的設(shè)計以及具體

圖數(shù)據(jù)是對萬物間聯(lián)系的一般抽象，廣泛存在于各行各業(yè)中。圖表征學習為圖數(shù)據(jù)的建模與分析提供了新范式，是近年來機器學習與數(shù)據(jù)挖掘領(lǐng)域的熱門研究方向，并被有效地應(yīng)用于推薦系統(tǒng)、交通預(yù)測等眾多領(lǐng)域。本書將全面介紹圖表征學習，特別是針對處于真實世界動態(tài)、開放環(huán)境之中圖數(shù)據(jù)的圖表征學習方法。本書分為3篇：第1篇介紹圖嵌入和圖神經(jīng)網(wǎng)