湖南省普通高等学校教学改革研究项目的成果。 提供11个微课配套教学视频,可以扫码在线观看。 89个示例 6个综合案例 156个示意图 131道习题。 提供大量习题、源代码、教学PPT、习题参考答案、考试试卷、教学大纲和实验指导等完善的立体化教学支持。 以面向初学者的视角系统介绍机器学习算法的基本原理。 每种算法都采用sklearn程序实现并用Matplotlib行数据可视化。 注重案例教学,详解6个综合案例,详解机器学习算法如何处理各种细节问题。 面向初学者详述机器学习算法原理,展现其难,注重解决学习时容易 掉坑 的问题。 详解如何用sklearn编写机器学习程序,为一步学习TensorFlow深度学习算法下基础。
读者对象: 1)人工智能相关专业的研究人员;2)信息科学和计算机科学爱好者;3)统计学或相关IT专业学生;4)不具备专业数学知识的人群。 (1)三位作者资历深厚,分别是阿里巴巴的数据架构师和NLP专家、百炼智能的NLP专家(前明略数据的技术合伙人和科学家)、七牛云AI实验室NLP OCR方向负责人; (2)以实战为导向,绕各种复杂数学公式与证明,确保读者零基础门,详细讲解自然语言处理 的各种核心技术、方法论和经典算法; (3)阿里巴巴达摩院高级算法专家、百炼智能CEO、七牛云AI LAB负责人、天善智能创始人联袂推荐。
读者对象: 1.人工智能领域的技术工程师,尤其是从事图像识别和NLP的技术工程师; 2.专门研究OCR的专业人士或院校师生等。 (1)作者阵容豪华,由阿里巴巴本地生活研究院算法团队技术专家领衔,海康威视、趣头条等企业的算法专家以及知名场景文本算法作者共同撰写; (2)行业应用和学术理论相结合,既有来自于阿里巴巴本地生活实际应用场景的一线实践经验和方法,又有来自学术前沿的新理论; (3)本书得到了阿里巴巴本地生活、达摩院、旷视科技、字节跳动、狗尾草等知名AI企业或机构的知名AI技术专家的联袂推荐; (4)本书不仅讲解了OCR的组件、方法、算法、实现,而且还介绍了学术界*前沿的文字检测和文字识别方法。
在过去几年里,神经网络华丽回归,并为人工智能领域带来了重大的创新。 本书旨在为C#程序员使用神经网络、CNTK等C#库和TensorFlowSharp解决复杂的计算问题时,提供实践指导。本书逐步讲解编程实践,涵盖从数学到理论等神经网络的各个方面,帮助你运用C#和.NET框架构建深度神经网络。 本书从神经网络门知识始,详细介绍如何使用Encog、Aforge和Accord搭建一个神经网络,帮助你深理解神经网络相关概念和技术,例如深度网络、感知器、优化算法、卷积网络和自动解码器。此外,还详细讲解如何向.NET应用程序中添加智能特性,例如面部和运动检测、对象检测和标注、语言理解、知识和智能搜索。 通过阅读本书,你将学到: ·理解感知器以及如何运用C#来实现。 ·使用认知服务训练并可视化神经网络。 ·运用C#和TensorFlowSharp对物体行图像识别和标注。 ·使用Accord
人工智能相关领域面试、笔试、经验心得、算法、考、难、真题解析一应俱全,获取高薪 在这里,有面试笔试常见技巧的提炼与总结; 在这里,有面试笔试高频人工智能领域相关知识的整理与剖析; 在这里,有面试笔试历年人工智能领域相关真题的解答与拓展。
(1)作者就职于某世界100强企业的数据实验室 (2)作者长期从事人工智能、数据科学、分布式系统等领域的研发工作,在人脸识别领域有丰富的实践经验 (3)核心内容涵盖机器学习、深度学习、计算机视觉、人脸识别等方面的原理、技术和算法 (4)不仅能帮助读者零基础门,而且能指导读者完成工程级别的实践,从零实现一个工程级的人脸识别引擎
深度学习这门技术在机器视觉领域大规模应用,采用深度学习的图像识别AI 算法在识别精度上已经超过人眼精度,如今我们日常生活中的扫脸支付也基于深度学习强大的图像特征提取能力。人们觉得AlphaGo 才是AI 时代到来的标志,之所以这样觉得或许是因为人们普遍承认下围棋是一种高级别的智能过程,也是一个绞尽脑汁的过程 可以切身感受到 动脑 。 伊庭教授在本书中强调了研究游戏AI 的意义 或许是解密人类大脑思考方式的方法之一。我个人十分赞同伊庭教授的这一看法,我们的生活、工作 和学习过程中的纠结一直都建立在着眼于眼前还是未来的权衡当中。但正是因为我们具有智慧,所以我们才会具有这种权衡能力(或者说是生活中充满了纠结)。 相信当读者从章坚持读到后一章时,不仅会觉得游戏AI 有趣,还会觉得人脑思维本身就有很多有趣的地方。或许
◎畅销书《幸福的陷阱》作者哈里斯博士作品。 ◎基于纳承诺疗法(ACT),在患病、失业、离婚、丧亲、重大意外等艰难时刻,帮助你处理痛苦情绪,跳出生活的陷阱,勇敢前行。
本书融合作者多年从业和教学经验,全面阐述使用Java从非结构化数据中组织和提取有用文本的各种实用方法。 本书重介绍NLP应用中可能遇到的核心NLP任务,每个任务都从问题的描述以及应用领域始,循序渐地行分析并给出解决方案,便于你更好地理解NLP技术,高效地解决实际问题。 全书内容丰富,不仅全面描述和总结了自然语言处理的基础知识,还详细介绍了自然语言处理的多种技术,包括NLP工具、文本分词、文本断句、词性判断、任务识别、文本分类、关系提取和组合应用等。书中结合多个示例行深分析,并采用Java编程语言行处理与结果分析。
本书旨在为读者提供与机器学习有关Python3的基本编程概念。前4章快速介绍了Python 3、NumPy和Pandas。第5章介绍了机器学习的基本概念。第6章主要介绍机器学习分类器,例如逻辑回归、kNN、决策树、随机森林和SVM。第7章介绍了自然语言处理和强化学习。本书还提供了基于Keras的代码示例作为理论讨论的补充。此外还为正则表达式、Keras和TensorFlow 2提供了单独的附录。
Array
机器学习作为人工智能*值得期待的内容,也*具商业价值。本书是金融工程和风险管理大师约翰·赫尔教授的*新著作。全书深浅出地讲解了机器学习的核心内容、*常用和流行的算法以及大量机器学习的商用案例,对技术性要求很低,并且让读者很容易从商业的角度理解其技术内涵,特别适合机器学习的初学者和业界人士阅读,也非常适合大学商学院教学,帮助其学生了解“数据科学家”这个职业。 特别地,作者在书中同时使用Excel工作表和Python代码,方便初学者先从容易的Excel手,按照自己的节奏,再慢慢转向Python,书中的相关数据、工作表和Python代码都可在指定网站查询。另外,本书还配有相关的教辅资料、PPT,以供参考。
基于GPU加速的计算机视觉编程:使用OpenCV和CUDA实时处理复杂图像数据
本书是OpenCV发人员的指南,手把手教你使用OpenCV和CUDA实现GPU加速的计算机视觉项目发,帮你快速掌握利用GPU实时处理复杂图像数据的高效技术。 全书共11章,第1章介绍CUDA架构及应用;第2章介绍如何使用CUDA为GPU编写程序;第3章介绍如何从CUDA程序中调用线程,以及多个线程如何相互通信;第4章介绍CUDA streams和CUDA events等高级概念;第5章介绍在所有操作系统中安装支持CUDA的OpenCV库;第6章讲解如何使用OpenCV编写基本的计算机视觉操作,如像素级的图像操作、过滤和形态学操作;第7章介绍使用OpenCV和CUDA加速一些实际计算机视觉应用程序的步骤;第8章介绍如何在Jetson Tx1嵌式平台上安装OpenCV;第9章介绍如何在Jetson TX1上部署计算机视觉应用程序 ;第10章介绍PyCUDA;第11章讲解如何使用PyCUDA编写程序。
DeepMind人手一本! 屡次对战深度学习三巨头,揭秘大脑黑盒到底是神经网络机器,还是加工符号的机器
面向实践 不仅涵盖经典的中小规模案例,还介绍了一些大型项目的实现。 易读易学 以先讨论方法的动机、理论基础及背后思想,再给出完整代码示例的方式,通过现实相关问题来描述RL方法,GitHub上会实时更新书中的所有代码示例 。 初学者友好 基础理论讲解深浅出,应用实例简洁易懂,源代码清晰、完整, 便 于读者上手实践。 侧重实际应用 每种方法都针对非常简单到非常复杂的情况行了实现。 与时俱 新增6章,专门介绍了强化学习的新发展,包括离散优化(解决魔方问题)、多智能体方法、微软的TextWorld环境、高级探索技术等。
读者对象:1、希望在多个平台的C 环境下始使用OpenCV的计算机视觉新手;2、计算机视觉工程师;3、从初级到高级的各级学生、教师、研究人员;4、其他对计算机视觉和OpenCV感兴趣的人员 1、鼓励 复制 粘贴 运行 这种学习方式并尝试将数学基础保持在*限度; 2、涵盖计算机视觉热门主题,提供完整的项目代码; 3、新增 为项目找到*OpenCV算法 、 避免OpenCV中的常见陷阱 ; 4、超越基础知识,从更高层次来设计和实现复杂图像识别项目。 5、版本新:OpenCV的API(v4.0.0)
阅读本书可以获得一份关于在Python下操作、处理、清洗、规整数据集的完整说明。本书第二版针对Python 3.6行了更新,并增加实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到*版本的pandas、NumPy、IPython和Jupyter。 本书由Wes McKinney创作,他是Python pandas项目的创始人。本书是对Python数据科学工具的实操化、现代化的介绍,非常适合刚学Python的数据分析师或刚学数据科学以及科学计算的Python编程者。数据文件和相关的材料可以在GitHub上找到: l 使用IPython shell和Jupyter notebook行探索性计算 l 学习NumPy(Numerical Python)的基础和高级特性 l 门pandas库中的数据分析工具 l 使用灵活工具对数据行载、清洗、变换、合并和重塑 l 使用matplotlib创建富含信息的可视化 l 将pandas的groupby功能应用于对数据集的切片、分块和汇总 l 分析并操作规则和不规
(1)机器学习等AI技术驱动的智能数据分析是数据分析行业的未来发展方向,所有数据分析师都应该关注。 (2)作者从事数据分析与挖掘10余年,对Python等各种数据分析技术和工具都非常熟悉,在智能数据分析领域也积累了大量的经验。 (3)本书面向零Python基础和零AI基础的读者,精选了*精华的知识,包含大量示例代码,指导读者快速门。
Serverless架构下的AI应用开发:入门、实战与性能优化
(1)阿里官方出品:阿里云和蚂蚁集团的Serverless产品专家、AI算法专家、Serverless解决方案架构师、Serverless工具技术负责人联合撰写,全方位地梳理和总结了阿里在Serverless架构下的机器学习实战经验。 (2)学界业界专家推荐:北大、浙大、中科院、国防科大、CNCF、阿里、蚂蚁集团等机构和企业的10余位专家高度评价并推荐。 (3)注重实战案例丰富:书中有大量来自阿里的实践案例,贯穿AI应用从设计、发、到部署和运维的全流程。 (4)零基础门:即便读者没有Serverless基础和机器学习基础,也能顺利地掌握本书的内容。
机器人操作系统(ROS)是科研和工业领域非常受欢迎的机器人软件框架。该系统性能强大,可以在机器人中实现多种功能,而不需要从零始实施。 本书首先介绍机器人操作系统的基础知识,以便你了解差分驱动机器人的基本原理。然后,介绍机器人建模知识以及如何使用机器人操作系统行设计和模拟。着将设计机器人硬件和口驱动器。之后,讲述如何使用机器人操作系统对深度传感器和激光雷达行配置和编程。后,将使用Qt框架为机器人创建图形用户界面。 学习完本书内容后,你将清楚地了解如何将所有元素集成和组装到机器人中,以及如何捆绑软件包。 本书将介绍以下内容: ? 如何从头始设计差分驱动机器人。 ? 如何使用机器人操作系统和URDF对差分机器人建模。 ? 如何使用机器人操作系统和Gazebo模拟差分机器人。 ? 如何设计机器人硬件电子器件。 ? 如何将机器
读者对象: 1.机器学习与人工智能方向的从业者;2.XGBoost应用发人员;3.机器学习、数据挖掘研究方向的学生;4.机器学习或源软件爱好者 【学习路线图】免费领取 搭配图书学习效果更佳! 获取方式: 1、微信关注 华章计算机 2、在后台回复关键词:XGBoost 1)知名互联网公司工程师撰写,通高效机器学习脉络,掌握竞赛神器、集成学习中集大成者 XGBoost 2)以机器学习基础知识做铺垫,深剖析XGBoost原理、分布式实现、模型优化、深度应用等
读者对象:希望在预测分析和机器学习领域建立扎实基础的机器学习工程师、数据工程师和数据科学家 1)便于学习,所有的理论后都附有基于Python的具体实例; 2)版本新,适用Python3.5以上版本; 3)实例丰富,场景多样,配套代码完备。
人脸识别与美颜算法实战:基于Python、机器学习与深度学习
资深AI图像处理工程师力作。 腾讯PCG光影研究室技术负责人傅斌推荐。 全彩色印刷。 详解60多个新颖、独特、紧跟时代热的人脸图像处理算法实战案例,复现抖音、天天P图、美颜相机、淘宝等多个App中的热门人脸图像特效算法设计。 重图文并茂,生动有趣,用简单易懂的方式,带领读者门AI人脸图像算法设计。 基于人脸图像应用的算法设计,梳理计算机视觉技术的发展脉络。 《 人脸识别与美颜算法实战 》精华内容: 抖音中的深度学习图像处理 天天P图深度学习图像处理 美颜相机中的深度学习图像处理 淘宝中的深度学习图像处理技术 人脸磨皮算法 人脸美白算法 人脸图像祛痘算法 机器学习之训练人脸分类器 深度学习之人脸识别 手写体识别项目 抖音中的视频抖动效果算法设计 抖音中的视频闪白效果算法设计 抖音中的视频霓虹效果算法设计
深度学习应用所使用的大部分数据是由自然语言处理(NLP)提供的,而TensorFlow是目前比较重要的深度学习框架。面对当今巨量数据流中众多的非结构化数据,本书详细讲解如何将TensorFlow与NLP二者结合以提供有效的工具,以及如何将这些工具应用于具体的NLP任务。 本书首先介绍NLP和TensorFlow的基础知识,之后讲解如何使用Word2vec及其高级扩展,以便通过创建词嵌将词序列转换为深度学习算法可用的向量。本书还介绍如何通过卷积神经网络(CNN)和递归神经网络(RNN)等经典深度学习算法执行句子分类和语言生成等重要的NLP任务。你将学习如何在NLP任务中应用高性能的RNN模型(比如长短期记忆单元),还将认识神经机器翻译,并实现一个神经机器翻译器。 通过阅读本书,你将学到: NLP的核心概念和各种自然语言处理方法 使用TensorFlow函数创建神经网络以完成NLP任务
适读人群: 本书可作为嵌式领域工程技术人员、机器学习算法的底层算法软件发人员的参考书,也可作为计算机、电子信息、自动控制等相关专业高年级本科学生的参考教材。 配套PPT 代码 数据 获取方式: 1、微信关注 华章计算机 2、在后台回复关键词:69325 一、本书面向人工智能的嵌式应用,涵盖了基于运算量,内存,功耗等多维度的机器学习算法优化理论与技术。从算法底层单元到机器学习算法训练-推理联合优化及自动优化部署算法等方面行阐述,并结合通用嵌式处理器行了验证。本书集机器学习算法优化理论和应用实践为一体,为实现高效的人工智能嵌式系统提供了基础理论与方法。 二、本书作者常年从事嵌式教学与研究,书中的内容凝练了他们长期从事人工智能算法研究与系统设计的研究与经验,为人工智能应用普及提供了详实的
适读人群: 1.强化学习算法和研发人员 2. 深度学习研发和算法工程师 3. 大数据架构师 4.其他爱好者。 (1)理论完备,涵盖主流经典强化学习算法和深度强化学习算法,并配套理论基础和性能分析。 (2)逐章配套Python代码, 深度强化学习算法同时配套TensorFlow 2和PyTorch 1对照代码。 在GitHub上展示全部代码和运行结果。 (3)环境丰富, 理论讲解部分的环境只依赖于Gym的简化安装,使理论学习免受环境安装困扰;综合案例部分环境既涵盖Gym库的完整安装和自定义扩展,还包括Gym库以外的环境,让读者体验更加复杂的强化学习任务。 全面兼容Windows、macOS和Linux三大操作系统,书中给出环境配置方法。 (4)多个综合案例,涵盖AlphaGo改版算法AlphaZero、自动驾驶等。 (5)对硬件配置要求低,理论讲解部分代码不需要GPU即可运行,综合案例代码只需要普通的GPU即
1. 聚焦互联网三大核心业务,详细阐述了检索匹配的理论和演历史。 2. 通过落地一个基于深度学习算法模型的分布式机器学习业务案例来加深读者理解。 3. 随书免费赠送全部案例源代码和超过180分钟的高清学习视频。
读者对象:1.从事AI理论研究的研究人员;2.高校智能方向的高年级本科生和研究生;3.工业界做AI应用的机器学习工程师、算法工程师等。 1.作者资深。本书由北京理工大学刘驰教授团队撰写; 2.直奔主题,理论结合实践。详解单智能体、多智能体深度强化学习和分布式、多任务深度强化学习相关算法,深解读每种算法的代码原型实现; 3.领域应用分析:给出深度强化学习在游戏、机器人控制、计算机视觉和自然语言处理四大领域的实际应用,侧重讨论深度强化学习在不同领域应用的思想和方法; 4.前沿经典综述:详述近五年深度强化学习领域的重要展,涵盖新的算法理论、工程实现和领域应用,从基础到算法,再到典型应用场景。
机器学习实战:基于Scikit-Learn、Keras和TensorFlow(原书第2版)
读者对象: 1、机器学习、深度学习从业者; 2、机器学习或者深度学习算法工程师; 3、从初级到高级的各级学生、教师、研究人员; 4、其他对机器学习和Scikit-Learn、Keras、TensorFlow感兴趣的人员 1) 美亚 人工智能图书畅销榜首图书,基于TensorFlow 2和Scikit-Learn的新版本全面升级; 2)Keras之父和TensorFlow移动端负责人鼎力推荐; 3)从实践出发,通过具体的示例、较少的理论和可用于生产环境的Python框架来帮助你直观地理解并掌握构建智能系统所需要的概念和工具; 4)实用性强。没有太多复杂的数学公式推导,每章都附有练习题和代码,可以帮助你应用所学的知识。
前阿里巴巴高级发工程师力作,BIGO研发总监等5位大咖力荐 兼顾理论和实战,从零始自己动手发一个机器学习算法框架 按代数矩阵运算层、*化方法层、算法模型层和业务功能层的分层顺序讲解
西门子高级研究员田疆博士作序力荐!Google软件工程师吕佳楠力、英伟达高级工程师华远志、理光软件研究院研究员钟诚博士力荐! 作者拥有超过5年的机器学习研发经验,目前在*专注于深度学习和计算机视觉算法的研发。 西门子高级研究员田疆博士作序力荐!Google软件工程师吕佳楠、英伟达高级工程师华远志、理光软件研究院研究员钟诚博士力荐! 注重原理和上手实战,让读者不仅能理解算法背后的思想,还能具备独立发基于深度学习的计算机视觉算法的能力。 原理讲解通俗易懂,能通过图文定性讲解的就尽量不用公式,不可避免要用公式的地方尽量让公式作为图文讲解的辅助手段。 结合常见的应用场景,通过大量有趣、实用的实例和原创代码,带领读者一步步亲自动手,不断提高动手能力。 从第7章始的所有实例都基于当前流行的深度学习框架Caffe和MXNe
读者对象: 1、人工智能领域的技术工程师,尤其是机器学习和深度学习领域的工程师; 2、高校人工智能专业学生、教师以及研究人员; 3、希望了解人工智能尤其是深度学习的技术工程师和产品经理。 (1)本书由百度官方出品,PaddlePaddle总架构师共同创作。 (2)百度公司CTO王海峰博士作序,张钹院士、李未院士、百度集团副总裁吴甜联袂推荐 (3) 内容全面、由浅深、注重实践 ,结合新近PaddlePaddle技术版本,详细讲解了PaddlePaddle的技术和原理,以及如何从零始快速掌握深度学习。
(1)作者背景深厚:两位作者是AI和计算机视觉方面的专家,在阿里、腾讯、百度等企业有超过10年的相关工作经验; (2)内容结构讲究:针对初学者需求精心安排,从预备知识、深度学习基础,到目标检测算法和工程案例,由浅深,理论与实践结合; (3)内容通俗易懂:语言通俗,逻辑性强;尽量绕复杂的数学公式推导,无需数学基础,降低读者的阅读门槛; (4)丰富实战案例:内容遵循知识背景介绍 原理讲解 案例分析的思路,提供大量案例; (5)提供源码下载:第2~11章均提供源数据和完整代码,代码均经过严格测试,可直在Github上下载。 【配套源码】获取方式: 1、微信关注 华章计算机 2、在后台回复关键词:目标检测
从零开始构建深度前馈神经网络:Python+TensorFlow 2.x
让数学公式生动易懂,让算法描述简洁、清晰; 让公式与代码一一对应,让理论与实践相互促 将算法转换为程序,徒手搭建与TensorFlow搭建精准匹配 贯穿 初学者关怀 原则:以极易理解的示例为起,逐步引新知识,使得整个学习过程平滑而高效。 贯穿 极简体验 原则:每小节的新知识多不超过3个,所有知识辅以有针对性的代码示例,帮助读者深刻理解并熟练掌握。 讲解透彻:先以通俗易懂的文字讲解核心算法思想,然后结合必要的数学表达和有针对性的代码示例帮助读者理解。 动手实践:先以纯Python代码实现算法,再给出TensorFlow实现,理论与实践并重,加深读者对算法思想的理解,并提高其动手能力。 立体化方案:构建完整的学习资源,通过全路径学习计划构建立体化学习解决方案。