本書以新版深度學習框架PyTorch為基礎，循序漸進地介紹其在深度學習中的應用。全書共10章，從深度學習數學知識入手，逐步介紹PyTorch在數值建模、圖像建模、文本建模、音頻建模中的基本概念及應用示例，還將介紹模型的可視化和聯邦學習等內容，以擴展讀者的視野。本書在講解每一個知識點的同時，都配合有動手練習實例，便于讀者深入理解所學知識，并達成學以致用的目標。本書原理與實踐并重，易于理解且可操作性強，特別適合PyTorch新手、大學生、研究人員和開發人員使用，也可作為高等院校相關專業的教學
本書是為高等院校計算機科學與技術、軟件工程、人工智能、大數據技術、信息管理等相關專業的“人機交互技術”或“人機界面設計”等課程編寫的以實驗和實踐為主線開展教學的主教材。全書通過一系列在網絡環境下學習和實踐的實驗練習，把人機交互技術的概念、理論知識與技術融入實踐中，加深讀者對該課程的認識和理解。內容包括人機交互與用戶體驗，人機交互相關學科，人機交互界面，概念化交互，社會化交互，情感化交互，發現需求，交互設計過程，設計指南與原則，原型構建與敏捷設計，直接操縱與界面設計，命令、菜單與表格，用戶
強化學習作為機器學習及人工智能領域的一種重要方法，在游戲、自動駕駛、機器人路線規劃等領域得到了廣泛的應用。 本書結合了李宏毅老師的“深度強化學習”、周博磊老師的“強化學習綱要”、李科澆老師的“世界冠軍帶你從零實踐強化學習”公開課的精華內容，在理論嚴謹的基礎上深入淺出地介紹馬爾可夫決策過程、蒙特卡洛方法、時序差分方法、Sarsa、Q 學習等傳統強化學習算法，以及策略梯度、近端策略優化、深度Q 網絡、深度確定性策略梯度等常見深度強化學習算法的基本概念和方法，并以大量生動有趣的例子幫助讀者理解強化學
雖然很多深度學習工具都使用Python，但PyTorch 庫是真正具備Python 風格的。對于任何了解NumPy 和scikit-learn 等工具的人來說，上手PyTorch 輕而易舉。PyTorch 在不犧牲高級特性的情況下簡化了深度學習，它非常適合構建快速模型，并且可以平穩地從個人應用擴展到企業級應用。由于像蘋果、Facebook和摩根大通這樣的公司都使用PyTorch，所以當你掌握了PyTorth，就會擁有更多的職業選擇。 本書是教你使用 PyTorch 創建神經網絡和深度學習系統的實
Kubeflow是基于K8S的機器學習工具包，是為數據科學家和數據工程師構建生產級別的機器學習實現而設計的。本書采用循序漸進的方式，從 Kubeflow 的安裝、使用和設計開篇，隨后從模型訓練的整個周期展開，涵蓋了數據探索、特征準備、模型訓練/調優、模型服務、模型測試、模型監測和模型版本管理等各個環節，既有相關的理論知識也囊括了真實的使用案例，能夠讓讀者在學習 Kubeflow 知識的同時全面了解機器學習的相關知識，是入門和深入學習Kubeflow以及機器學習的良好指南。
《集成學習入門與實戰：原理、算法與應用》通過6章內容全面地解讀了集成學習的基礎知識、集成學習技術、集成學習庫和實踐應用。其中集成學習技術包括采樣、Bagging、投票集成、Boosting、AdaBoost、梯度提升、XGBoost、Stacking、隨機森林、決策樹等，從混合訓練數據到混合模型，再到混合組合，邏輯嚴謹、逐步講解；同時也對ML-集成學習、Dask、LightGBM、AdaNet等集成學習庫相關技術進行了詳細解讀；最后通過相關實踐對集成學習進行綜合性應用。本書配有邏輯框圖、關鍵代碼
《OpenCV 4.0+Python機器學習與計算機視覺實戰》詳細闡述了機器學習與計算機視覺相關的基本解決方案，主要包括濾鏡、深度傳感器和手勢識別、通過特征匹配和透視變換查找對象、使用運動恢復結構重建3D場景、在OpenCV中使用計算攝影、跟蹤視覺上的顯著對象、識別交通標志、識別面部表情、對象分類和定位、檢測和跟蹤對象等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。本書適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學用書和
作為一門應用型學科，機器學習植根于數學理論，落地于代碼實現。這就意味著，掌握公式推導和代碼編寫，方能更加深入地理解機器學習算法的內在邏輯和運行機制。本書在對全部機器學習算法進行分類梳理的基礎之上，分別對監督學習單模型、監督學習集成模型、無監督學習模型、概率模型四個大類共26個經典算法進行了細致的公式推導和代碼實現，旨在幫助機器學習學習者和研究者完整地掌握算法細節、實現方法以及內在邏輯。
告訴你一個不太光彩的秘密:在大多數數據科學項目中，有一半的時間都花在清理和準備數據上了。但還有更好的方法:針對表格數據和關系數據庫進行優化的深度學習技術，無需密集的特性工程，就能提供洞察和分析。學習使用少量的數據過濾、驗證和清洗，就能解鎖深度學習性能的技能。《深度學習處理結構化數據實戰》傳授面向表格數據和關系數據庫的強大數據分析技術。本書從多倫多公交系統的數據集出發，帶你領略用深度學習處理表格化數據的簡易性和便捷性，并教你解決在生產環境中部署模型和監控模型性能等關鍵問題。
本書以實戰為主，通過豐富的實戰案例向讀者介紹深度學習可應用和落地的項目，書中所有案例都基于Python+TensorFlow 2.5+Keras技術，可用于深度學習課程的實戰訓練。本書配套示例源碼、PPT課件、思維導圖、數據集、開發環境與答疑服務。全書共分11章。第1章講解深度學習的概念、流程、應用場景、模型分類和框架選擇，第2~11章列舉深度學習的項目實戰案例，包括手寫體識別、數據集分類、情感分類、文本情感分類、編碼器、漢字拼音轉換、中文文本分類、多標簽文本分類、人臉檢測、人臉識別、語
新書資訊 新書推薦