人工智能（AI）是当前最热门以及最具有价值的研究方向之一。人工智能的发展得力于机器学习（Machine Learni...
2018.1
本书主要是分享作者多年来的机器学习算法商业化实践经验。分别从机器学习的发展历程、算法理论、平台工具、...
2017.7
本书的第一部分介绍了机器学习涉及的基础数学、Python基础知识和常用的包、机器学习系统的基本构成。本书的...
2017.12
本书主要分为10部分内容。第1章：PyTorch概述，第2章：PyTorch快速，第3章：PyTorch核对象：Tenosr和Variab...
2018.1
本书对当前最新的深度学习方法及应用进行了全面的概述，涵盖了自动语音识别（ASR）、计算机视觉、语言建模...
2017.11
大数据时代的机器学习和数据挖掘技术的作用日渐重要，受到了广泛的关注。本书立足于工程应用，将免疫智能计...
2017.8
这本书探讨了多维粒子群优化,由作者开发了一种技术解决这些需求。在介绍关键优化技术后,作者介绍了统一的框...
2017.6
书中主要介绍了人工智能中机器学习的一些算法和应用，诸如线性回归、逻辑回归、神经网络、支持向量机等一些...
2017.7
本书共12章，主要讲述不平衡分类学习的基本理论、特征选择与降维学习、模型评估与选择、重采样与代价敏感学...
2017.5
本书主要讲述科学计算可视化的内容、技术现状和挑战，机器学习基本理论，使用Adaboost和CAVIAR两种方法进行...
2017.6