机器学习原理与实践（Python版）
左飞，补彬
本书系统地介绍统计分析和机器学习领域中最为重要和流行的多种技术及其基本原理，本书在详解有关算法的基础上，结合大量Python语言实例演示了这些理论在实践中的使用方法。具体内容包括线性回归（包括岭回归和Lasso方法）、逻辑回归、支持向量机、感知机与神经网络、聚类分析（包括K均值算法、EM算法、密度聚类等）、降维与流形学习、集成学习、KNN、朴素贝叶斯、概率图模型（包括贝叶斯网络和HMM模型）等内容。
￥57.85
深度学习理论及实战（MATLAB版）
赵小川、何灏
《深度学习理论及实战（MATLAB版）》主要介绍深度学习理论及实战，共5章，内容包括机器学习、人工神经网络、卷积神经网络、MATLAB深度学习工具箱和应用实例。在介绍基础理论方面，本书深入浅出、语言生动、通俗易懂； 在介绍应用实例时，本书贴近实际、步骤翔实、举一反三。本书对数十个例程进行了深入的讲解，并对代码进行了详细的注解。 《深度学习理论及实战（MATLAB版）》可以作为人工智能、电子信息、计算机科学相关专业的本科生、研究生的教材，也可作为本科毕业设计、研究生学术论文的参考资料，还可作为相关工程技术人员的参考资料。
￥51.35
深度学习——从神经网络到深度强化学习的演进
魏翼飞、汪昭颖、李骏
本书首先概述人工智能、深度学习相关的基本概念和发展历程;然后详细介绍深度学习的基本理论和算法,包括神经网络的关键技术、卷积神经网络的主要框架和应用实例、循环神经网络和无监督学习深度神经网络的模型和应用、深层神经网络的参数优化方法、深度学习模型的轻量化方案以及移动端深度学习案例;之后阐述强化学习的基本理论和算法,包括传统的强化学习方法及其衍生算法以及新型的多智能体或多任务学习模型;最后介绍深度强化学习的具体算法及应用、迁移学习的概念及其在深度学习和强化学习中的应用。本书可作为学习深度学习及强化学习算法的参考书,也可作为高等院校相关课程的教材,还可供从事人工智能领域的专业研究人员和工程技术人员阅读。
￥57.85
分布式机器学习实战
陈敬雷
本书由浅入深，逐步讲解分布式机器学习的框架及应用，内容板块包括主流大数据算法系统架构设计、大数据基础、mahout分布式机器学习平台、Spark分布式机器学习平台、TensorFlow等。同时配套完整工业级实战项目，例如个性化推荐算法系统、人脸识别，对话机器人。通过阅读本书，读者不仅可以学习到分布式机器学习的知识，还能通过实战案例更好地将理论融入到实际工作中。 本书适合想学习分布式机器学习的初学者阅读，对于有一定经验的分布式大数据方向的从业人员及算法工程师，也可以从书中获取很多有价值的知识。
￥77.34
Python机器学习（微课视频版）——手把手教你掌握150个精彩案例
柯博文
《Python机器学习（微课视频版）——手把手教你掌握150个精彩案例》由浅入深、图文并茂地介绍了Python机器学习方面的相关内容，并通过150多个实际案例，手把手地教会读者掌握用Python语言进行机器学习相关项目开发的方法与技巧。 书中包含Python语言基础内容、机器学习、人工智能、TensorFlow、Keras、OpenCV等相关API的使用方法，给出的每个案例都可以单独运行，可进行二次开发。 为了提高学习效果，本书为所有案例提供了完整的微课视频和程序代码文件，获取方式见前言。 《Python机器学习（微课视频版）——手把手教你掌握150个精彩案例》适合学习机器学习算法的初学者，对机器学习、人工智能感兴趣的学生和从业者，以及进行机器学习相关项目开发的工程师阅读参考。
￥33.5
TensorFlow深度学习——深入理解人工智能算法设计
龙良曲
本书适合初学者快速入门深度学习算法和TensorFlow框架。我们已讲故事的方式向读者一步步地介绍每个核心算法，非常详细地剖析算法原理，手把手实现每个算法实战，不但让读者能够了解算法的工作原理，更重要的是教会读者如何一步步地思考问题并解决问题。具体地，我们会介绍目前深度学习的数学原理，反向传播算法，卷积神经网络，循环神经网络，对抗生产网络，自编码器，神经网络结构搜索，图卷积网络等等一系列前沿核心算法。使读者不仅可以明白原理，还能学以致用。内容讲解细致，没有数学基础的读者也能轻松入门。
￥57.85
Python数据分析
江雪松、邹静
这是一个数据驱动的时代，如何解读数据，将数据转变为知识、利用知识做出决策将是所有企业必不可少的能力。在数据分析过程中我们清洗数据，探索数据，利用数据进行决策。本书将以当前最流行数据科学分析工具Python为基础介绍如何构建基于Python的数据科学环境，利用Pandas处理与分析数据，如何利用Matplotlib以及Seaborn进行数据可视化。同时本书还将以商业应用为目标，通过学习还将掌握何利用学习到的Python数据分析知识来完成客户留存分析，同期群分析，时间序列分析，产品销售数据的关联分析，客户聚类，统计检验等数据分析。
￥51.35
机器学习算法与应用（微课视频版）
杨云、段宗涛
《机器学习算法与应用（微课视频版）》涵盖经典的有监督机器学习算法、无监督机器学习算法、强化学习算法和深度机器学习算法，阐述从浅层学习到深度学习，从简单的线性模型到复杂的神经网络非线性模型的原理与应用。书中每个章节均遵循先简介理论基础，再构建数学模型，然后辅以实例分析，最后设计源码实现，从理论到实践的讲解原则。每个章节可独立阅读，也可从前向后、从简到难、循序渐进地学习。本书的最大特色在于对机器学习算法的嵌入式应用，特别是对难以并行化的深度学习算法及其在ARM处理器和FPGA硬件平台的实现步骤的介绍。 《机器学习算法与应用（微课视频版）》适合作为高等院校人工智能、物联网工程、计算机、软件工程专业高年级本科生、研究生的教材，同时可供对机器学习算法理论有所了解的广大开发人员、科技工作者和研究人员参考。
￥51.35
统计学习理论与方法——R语言版
左飞
本书从统计学观点出发，以数理统计为基础，全面系统地介绍了统计机器学习的主要方法。内容涉及回归（线性回归、多项式回归、非线性回归、岭回归，以及LASSO等）、分类（感知机、逻辑回归、朴素贝叶斯、决策树、支持向量机、人工神经网络等）、聚类（K均值、EM算法、密度聚类等）、蒙特卡洛采样（拒绝采样、自适应拒绝采样、重要性采样、吉布斯采样和马尔科夫链蒙特卡洛等）、降维与流形学习（SVD、PCA和MDS等），以及概率图模型基础等话题。此外，为方便读者自学，本书还扼要地介绍了机器学习中所必备的数学知识（包括概率论与数理统计、凸优化及泛函分析基础等）。 本书是统计机器学习及相关课程的教学参考书，适用于高等院校人工智能、机器学习或数据挖掘等相关专业的师生研习之用，也可供从事计算机应用，特别是数据科学相关专业的研发人员参考。
￥38.5
TensorFlow深度学习及实践
梁佩莹
TensorFlow是2015年年底开源的一套深度学习框架，也是目前最活跃的深度学习框架之一。本书从深度学习的基础讲起，深入TensorFlow的基本框架、原理、源代码和实现等各个方面，其目的在于降低学习门槛，为读者解决问题提供详细的方法和指导。本书主要内容包括：人工智能简介，TesnorFlow的环境搭建、可视化、基础知识、聚类分析、回归分析、支持向量机，TensorFlow实现卷积神经网络、循环神经网络、深度神经网络等。 本书适合作为对深度学习感兴趣的初学者的参考用书，也适合作为人工智能、计算机等相关专业深度学习课程的教材。
￥57.85
强化学习
邹伟、鬲玲、刘昱杓
《强化学习》一书内容系统全面，覆盖面广，既有理论阐述、公式推导，又有丰富的典型案例，理论联系实际。书中全面系统地描述了强化学习的起源、背景和分类，各类强化学习算法的原理、实现方式以及各算法间的关系，为读者构建了一个完整的强化学习知识体系；同时包含丰富的经典案例，如各类迷宫寻宝、飞翔小鸟、扑克牌、小车爬山、倒立摆、钟摆、多臂赌博机、五子棋、AlphaGo、AlphaGo Zero、AlphaZero等，通过给出它们对应的详细案例说明和代码描述，让读者深度理解各类强化学习算法的精髓。《强化学习》案例生动形象，描述深入浅出，代码简洁易懂，注释详细。 《强化学习》可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对强化学习感兴趣的研究人员和工程技术人员阅读参考。
￥69.92
Python机器学习及实践
梁佩莹
Python是目前比较热门的编程语言，以简单易学、应用广泛、类库强大而著称，是实现机器学习算法的首选语言。本书以Python 3.6.5为编写平台，以帮助读者快速上手、理论与实践相结合为出发点，介绍Python机器学习的相关内容。全书共10章，分别介绍了机器学习的基础知识、近邻法、数据降维、分类算法、回归算法、聚类算法、神经网络、推荐算法、频繁项集、数据预处理。通过本书的学习，读者可了解Python编程及在机器学习中的应用。 本书可作为对Python和机器学习感兴趣的初学者的参考书，也可作为从事Python开发的广大科研人员、学者、工程技术人员的参考书，还可作为高等院校人工智能、计算机等相关专业的教材。
￥51.35
人工智能和大数据——新智能的诞生
[法]费尔南多·伊弗雷特(Fernando Iafrate)著 吴常玉译
本书介绍了人工智能和大数据的技术发展及相关应用领域。全书共分为4章： 第1章智能的含义，第2章数字学习，第3章算法的统治，第4章人工智能的用途。书中主要内容包括智能的定义、商业智能、人工智能、商业智能的发展历史、学习的定义、数字学习、大数据和物联网的影响、基于大数据的人工智能、监督学习和无监督学习、算法的定义、AI简史、人工智能的应用。为了方便读者阅读，本书在多个附录中介绍了AI和大数据的相关技术和术语。 本书适合从事人工智能项目开发的读者阅读。
￥38.35
语音信号处理（第3版）
韩纪庆、张磊、郑铁然
本书系统地介绍语音信号处理的基础、概念、原理、方法与应用。全书共分9章。第1章介绍语音信号处理及其发展过程； 第2章介绍语音信号的产生与人类听觉的机理，传统的线性语音产生模型，以及非线性语音产生模型； 第3章从语音信号的时域特征入手，引入时频分析的思想，并进一步阐述时频分析中短时傅里叶变换和小波变换在语音信号特征分析中的应用，最后对广泛使用的倒谱特征以及同态解卷积进行介绍； 第4章介绍语音信号的线性预测原理、解法、几种推演方法以及线谱对分析法； 第5章介绍语音编码的相关知识，包括语音的波形编码、极低速率语音编码技术，以及相关编码器的性能指标和评测方法； 第6章介绍语音识别的基本内容，从基于矢量量化的识别技术到动态时间归正的识别技术，从隐马尔可夫模型技术到基于深度学习的语音识别技术，从孤立词识别到连接词识别及连续语音识别技术，再到关键词检出技术，最后还介绍新兴起的语音识别应用技术，以及用于HMM系统构建的HTK工具和用于深度学习系统构建的Kaldi工具等； 第7章介绍说话人识别的基本内容，从基于GMMUBM的识别技术到基于支持向量机的识别技术，从基于联合因子分析的识别技术到基于ivector的识别技术，以及近年来受到关注的基于深度学习的识别技术等； 第8章介绍顽健语音识别技术，从影响语音识别性能的环境变化因素分析开始，介绍噪声环境下顽健语音识别技术，以及变异语音识别的技术； 第9章介绍语音合成的基本原理、线性预测合成、共振峰合成以及汉语按规则合成，以及基于HMM的合成技术等内容。 本书可作为高等院校计算机应用、信号与信息处理、通信与电子系统等专业及学科的高年级本科生、研究生教材，也可供该领域的科研及工程技术人员参考。
￥43.5
更多精彩专题
