机器学习类电子书精选,持续收录相关领域的经典、热门与新近出版作品。

白话深度学习与TensorFlow
高扬
暂无资源机械工业出版社 · 2017评分 7.1分
本书基本独立成册,适用于零基础的初学者。 基础篇(第1~3章),讲解了机器学习、深度学习与实践的上下文知识,如基本的机器学习与深度学习算法,TensorFlow框架的安全与配置,简单的深度学习实践。该篇是阅读和实践的基石。 原理与实践篇(第4~8章),介绍“老牌”的深度学习网络的数学原理和工程实现原理,尤其是第4章,如果能基本读懂,后面的网络实现层面的问题基本都可以迎刃而解。涵盖BP网络、CNN、

Artificial Intelligence
Stuart Russell
PDFPearson · 2009评分 9.3分
The long-anticipated revision of this #1 selling book offers the most comprehensive, state of the art introduction to the theory and practice of artificial intelligence for modern applications. Int

Reinforcement and Systemic Machine Learning for Decision Making
Kulkarni, Parag
暂无资源2012
Reinforcement and Systemic Machine Learning for Decision Making explores a newer and growing avenue of machine learning algorithm in the area of computational intelligence. This book focuses on reinf

人工智能中的深度结构学习
尤舒亚·本吉奥 (Yoshua Bengio)
暂无资源机械工业出版社 · 2017
理论结果表明,为了学习用于表示高层次的抽象(例如视觉、语言以及其他AI级别的任务)的复杂函数,我们需要深度结构。深度结构的组成包括了多层次的非线性操作,比如具有许多隐含层的神经网络,或者重用了许多子公式的复杂命题公式。搜索深度结构的参数空间是一件很困难的任务,但是近提出的诸如用于深度信念网络等的学习算法,对于探索这类问题取得了显著的成功,在某些领域达到了新的水平。本书讨论深度学习算法的方法和原理,

复杂性思考
[美] 艾伦·B.唐尼
暂无资源机械工业出版社 · 2020评分 7.1分
本书是美国奥林工程学院Allen B. Downey教授以20世纪80年代兴起的复杂性科学这一领域的前沿研究成果为载体,在近十几年教学科研过程中积累而成的本书。本书内容主要分三部分:壹部分主要对复杂性科学概念、范式和科学模式,以及复杂工程和复杂性思维等方面进行了介绍;二部分主要从图论、小世界图、无标度网络、元胞自动机等方面对其经典算法及其实现进行了介绍;三部分主要从物理建模、自组织临界性、智能体模

机器学习经典算法剖析
[中]赵春江
暂无资源人民邮电出版社 · 2018
机器学习是一种自动分析所构建模型的数据分析方法。通过迭代地从数据中不断学习,机器学习可以使计算机找到一些隐含的信息量,而这些信息量是无法明确通过编程得到的。 本书以OpenCV 2.4.9为研究工具,对算法—正态贝叶斯分类器、K近邻算法、支持向量机、决策树、AdaBoost、梯度提升树、随机森林、期望极大值、神经网络,不仅具体分析了它们的原理和实现方法,还进行了详细的源码解析,并且给出了基于Ope

统计学习基础
Robert Tibshirani
PDF电子工业出版社 · 2003评分 7.6分
《统计学习基础:数据挖掘、推理与预测》介绍了这些领域的一些重要概念。尽管应用的是统计学方法,但强调的是概念,而不是数学。许多例子附以彩图。《统计学习基础:数据挖掘、推理与预测》内容广泛,从有指导的学习(预测)到无指导的学习,应有尽有。包括神经网络、支持向量机、分类树和提升等主题,是同类书籍中介绍得最全面的。计算和信息技术的飞速发展带来了医学、生物学、财经和营销等诸多领域的海量数据。理解这些数

虫术——Python绝技
梁睿坤
暂无资源电子工业出版社 · 2018
《虫术——Python绝技》以大数据应用方面常用的语言 Python 为基础,从网络爬虫的实现原理入手,逐步引领读者进入网络爬虫的世界。在各类爬虫框架中,将 Scrapy 作为轴心,从多个维度揭开爬虫技术的面纱。例如,爬取规则的制定技巧,设计高速爬虫,如何让爬虫更“聪明”地获取数据,将海量数据进行分布式存储的技术,设计具有高隐匿性的爬虫,大规模、高并发的分布式爬虫技术。 《虫术——Python绝技

python机器学习
Sebastian Raschka
暂无资源机械工业出版社 · 2017评分 8分

Scala机器学习
Alexander Kozlov
暂无资源机械工业出版社 · 2017
《Scala机器学习》全面而系统地讲解怎么使用Scala在Spark平台上实现机器学习算法,其中Scala的版本Jj为2.11.7,Spark采用基于Hadoop 2.6的版本,都是比较新的版本,并且书中还提供大量有针对性的编程实例,可以帮助你快速提高自己的工程实战能力。全书共10章,第1章介绍数据分析师如何开始数据分析;第2章介绍数据驱动过程;第3章介绍Spark体系结构以及MLlib所支持几个

人工智能狂潮
[日] 松尾丰
暂无资源机械工业出版社 · 2016评分 7.3分
编辑推荐: 机器人会让你失业!机器人会统治人类!机器人会毁灭世界! 这些危言耸听的话你早就听多了吧? 是时候出版这本书以正视听了。 中国已经成为机器人大国,在谋千亿产业布局, “人工智能”搜索次数早已远超互联网思维、大数据等热词, 习近平、李克强、马斯克、霍金、盖茨、李彦宏都在密切关注! 一波人工智能狂潮已经来袭! 想了解哪些行业即将消失,哪些行业高枕无忧? 想准确把握时代的浪潮与未来的脉动? 想

大数据掘金
杜尔森·德伦
暂无资源中国人民大学出版社 · 2016
在数据洪流中沙里淘金,挖掘大数据背后的价值洼地,为企业带来下一个增长红利。在互联网风气云涌的时代,很多企业拥有数据金矿,却很少能挖出真金白银。数据本身不产生价值,企业只有分析和利用大数据,才能将散落在各个平台中的数据的真正商业价值挖掘出来。数据挖掘已成为解决复杂商业问题、抓住商机的常用工具。杜尔森·德伦编著丁晓松、宋冰玉编译的《大数据掘金(挖掘商业世界中的数据价值)》一书介绍了数据挖掘与分析领域的

Developing Analytic Talent
Vincent Granville
暂无资源Wiley · 2014

人工智慧來了
李開復, 王詠剛
暂无资源天下文化出版社 · 2017评分 6.5分
人工智慧時代,50%的工作將被逐漸取代!? 哪些工作最容易消失?什麼技能最容易被淘汰?你要如何提升自己? 如果人工智慧時代也會出現偉大公司的話,一定會有相當數量是在這四、五年裡創立的。 「AI未來非常有前途的幾個重要領域,包括計算平台、感測器、智慧家電、機器人、自動駕駛等,絕對有可能成為台灣的下一個黃金機遇。」 人工智慧來了!它長得不像科幻電影中的機器人,而且就在你我的日常工作和生活中,只要打開手

深入理解机器学习:从原理到算法
Shai Shalev Shwartz, Shai Ben David
暂无资源机械工业出版社 · 2016评分 6.3分
本书涵盖了机器学习领域中的严谨理论和实用方法,讨论了学习的计算复杂度、凸性和稳定性、PAC-贝叶斯方法、压缩界等概念,并介绍了一些重要的算法范式,包括随机梯度下降、神经元网络以及结构化输出。 全书讲解全面透彻,适合有一定基础的高年级本科生和研究生学习,也适合作为IT行业从事数据分析和挖掘的专业人员以及研究人员参考阅读。

机器学习导论(原书第3版)
[土耳其] 埃塞姆·阿培丁(EthemAlpaydin)
暂无资源机械工业出版社 · 2016评分 8.1分
机器学习的目标是对计算机编程,以便使用样本数据或以往的经验来解决给定的问题。已经有许多机器学习的成功应用,包括分析以往销售数据来预测客户行为,优化机器人的行为以便使用较少的资源来完成任务,以及从生物信息数据中提取知识的各种系统。本书是关于机器学习的内容全面的教科书,其中有些内容在一般的在机器学习导论书中很少介绍。主要内容包括监督学习,贝叶斯决策理论,参数、半参数和非参数方法,多元分析,隐马尔可夫模

数据挖掘:实用机器学习工具与技术(原书第3版)
Ian H.Witten, Eibe Frank
暂无资源机械工业出版社 · 2014评分 7.8分
大数据时代应用机器学习方法解决数据挖掘问题的实用指南。 洞察隐匿于大数据中的结构模式,有效指导数据挖掘实践和商业应用。 weka系统的主要开发者将丰富的研发、商业应用和教学实践的经验和技术融会贯通。 广泛覆盖在数据挖掘实践中采用的算法和机器学习技术,着眼于解决实际问题 避免过分要求理论基础和数学知识,重点在于告诉读者“如何去做”,同时包括许多算法、代码以及具体实例的实现。 将所有的概念都建立在具体

数据挖掘原理
David Hand, Heikki Mannila, Padhraic Smyth
暂无资源机械工业出版社 · 2003评分 7.1分
很多学科都面临着一个普遍问题:如何存储、访问异常庞大的数据集,并用模型来描述和理解它们?这些问题使得人们对数据挖掘技术的兴趣不断增强。长期以来,很多相互独立的不同学科分别致力于数据挖掘的各个方面。本书把信息科学、计算科学和统计学在数据挖掘方面的应用融合在一起,是第一本真正和跨学科教材。 本书由三部分构成。第一部分是基础,介绍了数据挖掘算法及其应用所依赖的基本原理。讲座方法直观易懂,深入浅出。第二部
![[按需印刷]机器学习原理及应用](https://img.book345.com/covers/s/9787564748166.webp)
[按需印刷]机器学习原理及应用
暂无资源电子科技大学出版社
机器学习是一门多领域的交叉学科,是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。随着大数据的提出、发展以及大数据时代的到来,机器学习受到了更加广泛的关注,成为行业专家、科研工作者的重要研究内容,同时也受到了很多大学生的青睐。本书以《关于加快大数据产业发展应用若干政策的意见》和《贵州省大数据产业发展应用规划纲要(2014-2020年)》为指导,以满足贵州省经济社会发展需

复杂数据统计方法
吴喜之
暂无资源中国人民大学出版社 · 2015评分 9.2分
本书自面世以来,得到了广大读者的支持和鼓励。目前的第三版在第二版的基础上做了相当大的增补,并且重新安排了章节,主要增加了贝叶斯网络、 定序变量的比例优势模型、调查问卷的垃圾比例计算等,总共增加将近1/3的篇幅. 本书没有按照数学模型的分类来编排,选择的数据也不像标准教科书中的例子那样“规范”,但这正是对真实数据和现实世界的反映。本书试图让读者理解世界是复杂的,数据形式是多种多样的,必须有超越书本、

精通MATLAB神经网络
朱凯
暂无资源电子工业出版社 · 2010评分 7.5分
《精通MATLAB神经网络》由MATLAB入门篇、神经网络提高篇和神经网络综合实战篇3篇组成。MATLAB入门篇主要介绍MATLAB软件、基本运算、图形绘制、程序设计和Simulink仿真;神经网络提高篇讲述神经网络的主要内容,包括神经网络工具箱和GUI工具,以及感知器、线性、BP、径向基、自组织、反馈等各种不同的神经网络,讲述各种神经网络的性能分析与直观的图形结果,使读者更加透彻地了解各种神经网

信息检索
(美)Stefan Büttcher, (加)Charles L.A.Clarke, (加)Gordon V. Cormack
暂无资源机械工业出版社 · 2012评分 8.6分
“这本书是越来越多的信息检索文献里的一本好书” ——Donald H. Kraft,计算机评论 “学术巨匠齐聚一堂编撰了一部信息检索的优秀教材。Stefan Bu ̈ttcher、Charles Clarke和Gordon Cormack以合计超过五十年的研究经验,组成了横跨三代的信息检索研究泰斗组合……这本书是所有信息检索研究者和从业人员的必读教材!” ——来自由Amit Singhal撰写的序

随机过程
方兆本//缪柏其|主编:程艺
暂无资源科学 · 2011
《随机过程(第3版)》为普通高等教育“十一五”国家级规划教材,是《中国科学技术大学数学教学丛书》之-。主要介绍在应用中经常遇到的几种基本随机过程,如Poisson过程、更新过程、Markov过程、平稳过程、Brown运动、Ito微分公式、线性随机微分方程,以及鞅过程和停时。《随机过程(第三版)》材料丰富,每章结合大量有实际背景的例子来解释基本概念,并配有一定量的习题。 《随机过程(第3版)》可作为

推荐系统实践
项亮
PDF人民邮电出版社 · 2012评分 8.1分
内容简介: 随着信息技术和互联网的发展,人们逐渐从信息匮乏的时代走入了信息过载(information overload)的时代 。在这个时代,无论是信息消费者还是信息生产者都遇到了很大的挑战:对于信息消费者,从大量信息中找到自己感兴趣的信息是一件非常困难的事情;对于信息生产者,让自己生产的信息脱颖而出,受到广大用户的关注,也是一件非常困难的事情。推荐系统就是解决这一矛盾

R语言——迈向大数据之路
洪锦魁, 蔡桂宏
暂无资源清华大学出版社 · 2016

深度学习与计算机视觉:核心算法与应用
谢文伟, 印杰 编著
暂无资源北京理工大学出版社 · 2023
编辑推荐★★★★★ 1. 资深工程师多年从事深度学习算法与模型研究的经验总结 2. 理论结合实践,详解机器学习、深度学习与计算机视觉的相关算法和模型 3. 俄罗斯自然科学院外籍院士李千目等4位大咖倾情力荐 4. 循序渐进地介绍机器学习、深度学习和计算机视觉的理论与典型应用。 5. 结合多个应用实例,详解机器学习和深度学习的相关算法与30多种模型。 6. 从工作原理、应用场景和代码实现三个方面介绍每

Python可解释AI(XAI)实战
[法]丹尼斯·罗斯曼(Denis Rothman)
暂无资源清华大学出版社 · 2022
怎样才能有效地向AI业务和利益相关者解释AI的决策?你需要仔细规划、设计和可视化。要解决的问题、模型以及变量之间的关系通常是微妙、出乎意料和复杂的。 本书通过几个精心设计的项目让你在实践中掌握众多XAI工具和方法,而不是仅仅停留在理论和概念上。你将动手构建模型,可视化解释结果,并集成XAI工具。 你将使用Python、TensorFlow 2、Google Cloud XAI 平台、Google

数据科学
方匡南
暂无资源电子工业出版社 · 2018
《数据科学》是一本数据科学的入门书籍。每个知识点尽量从实际的应用案例出发,从数据出发,以问题为导向,在解决问题中学习数据挖掘、机器学习等数据科学相关方法。《数据科学》将数据读写、数据清洗和预处理作为开端,逐渐深入到和数据科学相关的决策树、支持向量机、神经网络、无监督学习等知识。此外,结合数据科学的实际应用,书中还讲解了推荐算法、文本挖掘和社交网络分析等热门实用技术。《数据科学》在写作过程中尽量删去

ChatGPT
刘琼
EPUB华龄出版社 · 2023
这是一本用ChatGPT创作的关于ChatGPT的书! 让普通人真正的认识ChatGPT AIGC应用的创新之作 编辑推荐★★★★★ 让人机交互变得更加高效、简单、有趣。 谁说人工智能只能是无趣的? ChatGPT带来有趣的智能交互体验! 商业化AIGC

漫画机器学习
[日] 荒木雅弘
暂无资源科学出版社评分 8.9分
《漫画机器学习》以漫画形式讲解机器学习的基本概念和关键知识点,尽可能通俗易懂地讲解回归、分类、结果评价、深度学习、集成学习、无监督学习等的原理。《漫画机器学习》内容基于大学一年级的数学知识,着眼于主人公们学习和工作中遇到的问题,探究机器学习解决方案。