本书基于Python 3大数据分析方法中的核心算法与实例,重介绍数据特征算法分析及第三方源库的场景应用,包括NumPy、SciPy、Matplotlib、Pandas、StatsModels、Gensim等在大数据分析中的算法与实例。
本书详细阐述机器学习的数据特征与分类算法,高效利用Python 3代码详解机器学习核心算法及其工具的场景应用,并在机器学习平台Kaggle与PaddlePaddle上实现分类、预测及推荐等实战操作。
本书详解深度学习与机器学习基础、神经网络基础、卷积神经网络和循环神经网络、正则化与深度学习优化等内容,并剖析深度学习在计算机视觉、目标检测、文本分析、强化深度学习、TensorFlow模型、Transformer模型等方向的应用。 本书附录还给出机器学习和深度学习中用到的数学基础知识,包括线性代数、概率论和信息论等。 本书配套70个示例源码、PPT课件,所有示例源码都经过测试无误。
本书详解深度学习与机器学习基础、神经网络基础、卷积神经网络和循环神经网络、正则化与深度学习优化等内容,并剖析深度学习在计算机视觉、目标检测、文本分析、强化深度学习、TensorFlow模型、Transformer模型等方向的应用。 本书附录还给出机器学习和深度学习中用到的数学基础知识,包括线性代数、概率论和信息论等。 本书配套70个示例源码、PPT课件,所有示例源码都经过测试无误。