《统计学习与机器学习》介绍了这些领域的一些重要概念，主题广泛，从监督学习（预测）到无监督学习，应有尽...
2020.7
本书详细阐述了与无监督机器学习开发相关的基本解决方案，主要包括聚类、分层聚类、邻域聚类方法和DBSCAN、...
2020.7
本书旨在带领读者从零基础开始，深入浅出地直击机器学习的本质。本书在写作过程中，充分结合了作者自己在若...
2020.7
本书共11章，主要内容包括深度学习简介、Python基础、神经网络基础、卷积神经网络、经典卷积网络结构、迁移...
2020.6
本书介绍了如何基于PyTorch框架实现主要的深度学习模型。本书从简单的神经网络开始，内容涵盖了CNN、RNN、G...
2020.6
机器学习包括有监督学习、无监督学习和半监督学习，而具体的问题又大致可以分两类：分类问题和回归问题。本...
2020.6
本书的内容大体可以分为机器学习基础、顺序传播神经网络的深度学习、玻尔兹曼机和深度强化学习四个部分，既...
2020.6
本书作者曾就职美国谷歌公司和日本乐天集团，身处硅谷和日本机器学习领域的一线，有着多年的机器学习开发经...
2020.7
本书内容共十章。第一章为绪论，包括机器视觉相关概念，机器视觉的发展，机器视觉的基本任务、机器视觉的应...
2020.5
本书是关于机器学习的综合性教程，全景式地呈现了机器学习领域的基础理论，以及将这些技术应用于实际问题的...
2020.4