李鲁群、李晓丰、张波
本书主要介绍Python语言基础、数据分析和数据可视化等内容。全书共12章,分别为绪论、Python开发环境与工具、Python的基本概念、基本数据类型与运算符、程序流控制与异常处理、函数及其高级应用、文件与输入输出、网站数据的获取、文本数据的处理、NumPy与数学运算、Pandas数据分析和数据可视化。本书注重介绍核心概念与应用,相关内容通过图表形式呈现给读者,并配有多个示例,便于读者学习与总结。 本书可以作为高校相关课程的教材或Python程序开发学习者的自学参考书,也非常适合作为机器学习实践的先导课程的参考书。
于海浩 刘志坤 主编 韩咏 孙栩 副主编
本书基础理论、应用开发以及实际案例相结合,围绕Hadoop、Spark生态圈循序渐进地介绍关于大数据技术领域中的基础知识、应用开发技术和基于Spark的常见机器学习算法,最后以两个实战案例全面、系统地应用了本书介绍的基础知识和应用开发方法。全书共14章,分别为大数据概述、Hadoop简介及安装部署、HDFS、MapReduce计算框架、Hive数据仓库、HBase分布式数据库、Spark基础、Spark RDD弹性分布式数据集、Spark SQL、Spark Streaming实时计算框架、Spark Streaming与Flume、Kafka的整合、Spark MLlib 机器学习、实战案例——分布式优惠券后台应用系统和实战案例——新闻话题实时统计分析系统,书中的每个知识点都有相应的实现代码和实例。 本书主要面向广大从事大数据分析、应用开发、机器学习、数据挖掘的专业人员以及从事高校信息技术专业的教师和高等院校的在读学生及相关领域的广大科研人员。
刘艳、韩龙哲、李沫沫
本书系统介绍了经典的机器学习算法,并通过实践案例对算法进行解析。 本书内容包含三部分: 第一部分(第1章和第2章)为入门篇,着重介绍Python开发基础及数据分析与处理;第二部分(第3章和第4章)为基础篇,着重介绍机器学习的理论框架和常用机器学习模型;第三部分(第5~11章)为实战篇,介绍经典机器学习算法及应用,包括KNN分类算法、KMeans聚类算法、推荐算法、回归算法、支持向量机算法、神经网络算法以及深度学习理论及项目实例。 本书力求叙述简练,概念清晰,通俗易懂。书中的案例选取了接近实际应用的典型问题,以应用能力、创新能力的培养为核心目标。 本书可作为高等院校计算机、软件工程、大数据、通信、电子等相关专业的教材,也可作为成人教育及自学考试用书,还可作为机器学习相关领域开发人员、工程技术人员和研究人员的参考用书。
袁雪
人工智能正在成为全世界产业变革的方向,处于第四次科技革命的核心地位。计算机视觉(Computer Vision)就是利用摄像机、算法和计算资源为人工智能系统按上“眼睛”,让其可以拥有人类的双眼所具有的前景与背景分割、物体识别、目标跟踪、判别决策等功能。计算机视觉系统可以让计算机看见并理解这个世界的“信息”,从而替代人类完成重复性工作。目前计算机视觉领域热门的研究方向有物体检测和识别、语义分割、目标跟踪等。本书围绕着计算机视觉的关键技术,介绍基于深度学习计算机视觉的基础理论及主要算法。本书结合常见的应用场景和项目实例,循序渐进地带领读者进入美妙的计算机视觉世界。本书共分为11章,2~5章介绍计算机视觉的几种关键技术,即图像分类、目标检测、图像分割和目标跟踪,并将这四项关键技术组合完成人工智能的实际应用。本书在6、7章介绍人工智能的两个典型应用:文字检测与识别系统及多任务深度学习系统,第8章介绍一种非常有意思的深度学习网络——对抗生成神经网络,第9章介绍制作训练和测试样本的方法,第10章介绍如何安装TensorFlow、Keras API及相关介绍,第11章介绍综合实验。本书提供了大量项目实例及代码解析,均是基于Python语言及TensorFlow、Keras API的。本教材的每章均配有微课视频,扫描每章的二维码,可观看作者的视频讲解
尚文倩
本书系统介绍了人工智能的基本原理、基本技术、基本方法和应用领域等内容,比较全面地反映了60多年来人工智能领域的进展,并根据人工智能的发展动向对一些传统内容做了取舍。全书共9章。第1章介绍人工智能的基本概念、发展历史、应用领域等。其后8章的内容分为两大部分: 第一部分(第2~5章)主要讲述传统人工智能的基本概念、原理、方法和技术,涵盖知识表示、搜索策略、确定性推理和不确定推理的相关技术与方法; 第二部分(第6~9章)主要讲述现代人工智能的新技术和方法,涵盖机器学习、数据挖掘、大数据、深度学习的最新技术与方法。本书提供了8个实践项目案例,并且每章后面附有习题,以供读者练习。 本书主要作为计算机专业和其他相关学科相关课程教材,也可供有关科技人员参考。
黄源,何婕
本书的编写目的是向读者介绍数据清洗技术的基本概念与应用。全书共10章,分别为数据清洗概述、文件格式、Web数据抽取、网络爬虫、Kettle数据清洗、数据迁移、文本数据处理、Python数据清洗、DataCleaner数据分析与清洗以及数据清洗综合实训。本书将理论与实践操作相结合,通过大量的案例帮助读者快速了解和应用数据清洗相关技术,并对书中重要的、核心的知识点加大练习力度,以达到熟练应用的目的。 本书可作为高等学校大数据、人工智能、云计算等专业的教材,可也作为大数据爱好者的参考书。
刘全、黄志刚
本书基于PyTorch框架,用通俗易懂的语言深入浅出地介绍了强化学习的基本原理,包括传统的强化学习基本方法和目前流行的深度强化学习方法。在对强化学习任务建模的基础上,首先介绍动态规划法、蒙特卡洛法、时序差分法等表格式强化学习方法,然后介绍在PyTorch框架下,DQN、DDPG、A3C等基于深度神经网络的大规模强化学习方法。全书以一个扫地机器人任务贯穿始终,并给出具有代表性的实例,增加对每个算法的理解。全书配有PPT和视频讲解,对相关算法和实例配有代码程序。 全书共分三部分: 第一和第二部分(第1~8章)为表格式强化学习部分,着重介绍深度强化学习概述、环境的配置、数学建模、动态规划法、蒙特卡洛法、时序差分法、n步时序差分法、规划和蒙特卡洛树搜索; 第三部分(第9~14章)为深度强化学习部分,着重介绍深度学习、PyTorch与神经网络、深度Q网络、策略梯度、基于确定性策略梯度的深度强化学习、AC框架的拓展。全书提供了大量的应用实例,每章章末均附有习题。 本书既适合作为高等院校计算机、软件工程、电子工程等相关专业高年级本科生、研究生的教材,又可为人工智能、机器学习等领域从事项目开发、科学研究的人员提供参考。
赵红艳、王甲琛、苗和平、张清
本书以企业数据分析系统为业务背景,主要介绍微软公司的Power BI系统的应用场景,涉及数据的收集、输入、清洗、过滤、发布等数据处理流程,以及功能模块方面的市场分析、用户分析、货品分析、流量分析、资源分析、舆情分析等多个常用场景,让用户很快熟悉从大数据分析到人工智能的应用。 本书遵循以实战为主的原则,力求做到结合项目、图文并茂、语言通俗、结构紧凑、例题丰富、实践性强。 本书适合作为高等院校计算机应用专业的教材,同时也适合智能数据分析的爱好者、数据管理人员、电商数据分析从业人员、电商运营从业人员阅读,还可以作为自学或函授学习的参考书。
魏伟一、李晓红、高志玲
本书从Python数据分析的基础知识入手,结合大量的数据分析示例,系统地介绍了数据分析与可视化方法,带领读者逐步掌握Python数据分析的相关知识,提高解决实际问题的能力。 本书共13章,主要内容包括数据分析与可视化概述、Python编程基础、NumPy数值计算基础、Pandas统计分析基础、Pandas数据载入与预处理、Matplotlib数据可视化基础、Seaborn可视化、pyecharts可视化、时间序列数据分析、SciPy科学计算、统计与机器学习、图像数据分析和综合案例实战等。 本书可作为各类高等院校数据科学与大数据、软件工程和计算机科学与技术等专业的教材,也可作为Python数据分析初学者和爱好者的参考书。
张思民
本书是一本系统介绍Python应用程序设计方法的书籍。全书共分11章,主要内容包括Python语言快速入门、Python语法速览、类与模块、图形用户界面设计、Python的图像处理、文件与数据库编程(数据存储)、多线程与异常处理、网络程序设计、网络爬虫实战入门、数据分析与数据可视化、Python机器学习实战入门。本书每章都配有相应的习题和视频教学,以帮助读者学习和理解。 本书内容由浅入深,循序渐进,讲解详细,示例丰富,每个知识点都配备了大量实例和图示加以说明,并用简短的典型示例进行详细分析和解释;每章均精心选编了经典案例,对读者学习会有很大帮助,可以让读者轻松上手。 本书可作为高等院校计算机及信息类专业、大数据专业、智能科学等专业“Python语言”课程的教材,也可作为希望学习Python语言系统开发的读者的自学用书。
张强华、司爱侠
《人工智能专业英语教程/大数据与人工智能技术丛书》是人工智能专业英语教材,涉及人工智能基础、强人工智能与弱人工智能、人工智能应用领域、常用搜索算法、软件与Python编程语言、知识系统与知识库、专家系统和推理引擎、机器学习与深度学习、决策树、人工神经网络和模糊神经网络、监督学习与无监督学习、人工智能安全、大数据与人工智能、云计算与人工智能、普适计算、人工智能与智慧城市等多个方面。 《人工智能专业英语教程/大数据与人工智能技术丛书》力求在体例上有创新,适合教学。每个单元均包含以下部分:课文——选材广泛、风格多样、切合实际的两篇专业文章;单词——给出课文中出现的新词,读者由此可以积累人工智能专业的基本词汇;词组——给出课文中的常用词组;缩略语——给出课文中出现的、业内人士必须掌握的缩略语;习题——既有针对课文的练习,也有词汇练习和专业性短文填空;专业短文翻译——培养读者的翻译能力;参考译文——让读者对照理解和提高翻译能力。 《人工智能专业英语教程/大数据与人工智能技术丛书》吸纳了作者二十余年的IT行业英语翻译与图书编写经验,与课堂教学的各个环节紧密切合,支持备课、教学、复习及考试各个教学环节,有配套的教学课件、参考答案等。 《人工智能专业英语教程/大数据与人工智能技术丛书》既可作为高等院校人工智能相关专业的专业英语教材,也可供相关从业人员自学,作为培训班教材,亦颇得当。
陈建、羊英
大数据时代,数据已经成为企业的重要资产。企业积累的数据增长迅速,如何从海量数据中挖掘出重要的商业价值,并运用到企业的决策中,是当今各个企业需要面对的实际问题。商务智能能够将数据转换为信息,并加以提炼,形成满足企业需求的知识,由此提高企业的反应速度和决策的准确性,快速适应市场的发展。所以商务智能有着广泛的应用前景。 本书内容全面、讲解由浅入深、案例丰富,除了可以让读者掌握商务智能的基础知识,熟悉商务智能的行业应用外,还能让读者进行实际操作。本书可以作为高等院校经济管理和信息管理等相关专业“商务智能”课程的教材。
魏伟一 张国治
本书内容丰富,循序渐进,以数据挖掘框架为主线,系统地介绍了数据挖掘技术的基本原理、方法和实践应用,全面反映了数据挖掘的理论体系和应用的最新进展。课程既讨论数据挖掘的基本理论知识和框架体系结构,又介绍了数据挖掘算法的Python实现与应用,强调了理论与实践相结合,基础知识与前沿发展相结合。本书可作为计算机数据科学相关专业高年级本科生、硕士研究生的软件挖掘教材,同时也可以作为对Python数据挖掘感兴趣读者的自学参考书。
吕云翔 刘卓然 主编 关捷雄 欧阳植昊 杨卓谦 华昱云 陈妙然 黎昆昌 吕可馨 王渌汀 副主编
本书以PyTorch为基础,介绍机器学习的基础知识与常用方法,全面细致地提供了基本机器学习操作的原理和在PyTorch框架下的实现步骤。全书分为基础篇和实战篇,包括16章内容和两个附录,分别为深度学习简介、深度学习框架、机器学习基础知识、PyTorch深度学习基础、Logistic回归、神经网络基础、卷积神经网络与计算机视觉、神经网络与自然语言处理、搭建卷积神经网络进行图像分类、图像风格迁移、基于RNN的文本分类、基于CNN的视频行为识别、实现对抗性样本生成、实现基于LSTM 的情感分析、实现DCGAN、视觉问答、PyTorch环境搭建、深度学习的数学基础。本书将理论与实践紧密结合,相信能为读者提供有益的学习指导。 本书适合Python深度学习初学者、机器学习算法分析从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。
王秋芬
本书主讲贪心算法、分治算法、动态规划算法、回溯算法、网络流、随机化算法、近似算法,侧重用具体实例图解演示算法运行过程及python语言实现。本书特色:深入浅出地从问题分析,到数据结构选择、算法设计、Python实战,提供问题解决的全程式指导;提供实例构造、详细图解,带领学习者直观、形象地逐步运行算法,看到算法单步运行结果;提供算法的Python语言实现,让算法在学习者心里落地生根。本书适用于计算机、大数据等相关专业本科教材,以及从事计算机领域的教学、科研人员,ACM程序设计大赛的算法爱好者。
刘金岭 钱升华
教材系统地介绍文本数据挖掘的相关概念,利用Python作为工具进行相关试验,其内容主要包括:文本挖掘产生的背景及发展;文本挖掘的概念、文本模型表示、文本内容的预处理,包括分词、去停用词以及特征抽取;文本相似度的概念等。介绍文本分类的概念及常用方法,如KNN算法、SVM算法等,并对分类结果进行评价;在介绍文本聚类聚类的概念时是,同样介绍聚类常用算法,如K均值算法、层次聚类法、密度聚类法等,作为有文本分类、文本聚类的应用,最后给出了信息抽取、社会网络中的实体关系抽取和事件抽取。
更多精彩专题