-
收藏
-
加书架
-
引用
本书以通俗易懂的风格介绍了机器学习和深度学习技术,只涉及了基本的数学知识。本书由两位机器学习和深度学习领域的专家编写,书中的案例涵盖了银行、保险、电子商务、零售和医疗等多个行业。本书讲述如何在当今的智能设备和应用程序中使用机器学习和深度学习技术。本书提供了对书中涉及的数据集、代码和示例项目的下载。 l 机器学习和深度学习的概念 l 随机森林和提升方法 l Python编程与统计学基础 l 人工神经网络 l 回归与逻辑回归 l TensorFlow与Keras l 决策树 l 深度学习超参数 l 模型选择与交叉验证 l 卷积神经网络(CNN) l 聚类分析 l 循环神经网络(RNN)和长短期记忆网络(LSTM)
机器学习和深度学习已经成为从业人员在人工智能时代必备的技术,被广泛应用于图像识别、自然语言理解、推荐系统、语音识别等多个领域,并取得了丰硕的成果。目前,很多高校的人工智能、软件工程、计算机应用等专业均已开设了机器学习和深度学习的课程,此外,为便于让学生掌握一些大数据的分析和可视化技术,有一些非计算机专业也开设了与机器学习相关的课程。同时,企业中的一些软件开发人员也想学习相关行业中机器学习和深度学习技术应用的真实案例,而不用过多关注机器学习和深度学习中的一些数学知识。但是,在市面上能够同时满足上述需求的参考书并不多,而《机器学习和深度学习:原理、算法、实战(使用Python和TensorFlow)》恰好是一本能满足高校学生及相关从业人员需求的机器学习和深度学习的参考书。 本书的作者是两位资深的行业专家并且拥有多年的企业培训经验,他们以案例式的编写方式由浅入深地讲解了机器学习和深度学习技术,让读者能够快速掌握机器学习和深度学习的原理及相关应用。在本书的翻译过程中,我们翻阅了大量资料,力求为读者献上-部贴近实际应用且通俗易懂的机器学习与深度学习方面的参考书。
- 版权: 清华大学出版社
- 出版: 2023-03-01
- 更新: 2023-12-20
- 书号:9787302624790
- 中图:TP181;TP311.561
- 学科:工学控制科学与工程工学计算机科学与技术交叉学科智能科学与技术
相关图书
-
概率深度学习 使用Python、Keras和TensorFlow Probability
[德] 奥利弗·杜尔(Oliver Dürr)、贝亚特·西克(Beate Sick)、埃尔维斯·穆里纳(Elvis Murina)著 崔亚奇 唐田田 但波 译
¥98.00 -
Python深度学习异常检测 使用Keras和PyTorch
[美] 斯里达尔·阿拉(Sridhar Alla)、苏曼·卡拉扬·阿达里(Suman Kalyan Adari)著 杨小冬 译
¥98.00