机器学习是计算机科学的重要分支领域. 本书作为该领域的入门教材,在内容上尽可能涵盖机器学习基础知识的各方面. 全书共 16 章,大致分为 3 个部分:第 1 部分(第 1~3 章)介绍机器学习的基础知识;第 2 部分(第 4~10 章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第 3 部分(第 11~16 章)为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料,以便有兴趣的读者进一步钻研探索. 本书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,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考.
ChatGPT 是目前市场上最为优秀的 AI 工具之一,它以强大的信息整合、知识链接、编程和语言理解等能力惊艳了全球,被广泛用于各行各业,以提高生产力。那么如此强大的 AI 工具该怎样使用呢? 《ChatGPT 实操应用大全(全视频 彩色版)》应运而生,这是一本关于 ChatGPT 全场景使用秘籍,为读者呈现 ChatGPT的 150种不同的使用方法和技巧,带读者深度解锁 ChatGPT的功能,释放出无限的创造力。它能够帮助用户轻松解决各种实际问题,极大地提高工作效率和生产力。不论是短视频内容创作、数据分析、日常办公、论文写作、金融投资,还是翻译、写代码等任务,本书都能够满足用户的需求。如果想要更好地利用 ChatGPT 功能,就阅读本书。本书主要涵盖 ChatGPT 的注册与登录、基本功能的使用、提示词用法、150 种应用场景、参数指令与 API 开发以及ChatGPT插件等内容,内容通
Transformer正在颠覆AI领域。市面上有这么平台和Transformer模型,哪些最符合你的需求? 将引领你进入Transformer的世界,将讲述不同模型和平台的优势,指出如何消除模型的缺点和问题。本书将引导你使用Hugging Face从头开始预训练一个RoBERTa模型,包括构建数据集、定义数据整理器以及训练模型等。 《基于GPT-3、ChatGPT、GPT-4等Transformer架构的自然语言处理》分步展示如何微调GPT-3等预训练模型。研究机器翻译、语音转文本、文本转语音、问答等NLP任务,并介绍解决NLP难题的技术,甚至帮助你应对假新闻焦虑(详见第13章)。 从书中可了解到,诸如OpenAI的高级平台将Transformer扩展到语言领域、计算机视觉领域,并允许使用DALL-E 2、ChatGPT和GPT-4生成代码。通过本书,你将了解到Transformer的工作原理以及如何实施Transformer来决NLP问题。 主要内容 ? 了解用于解决复杂语言问题的新技术
周志华老师的《机器学习》(俗称 西瓜书 )是机器学习领域的经典入门教材之一。本书是《机器学习公式详解》(俗称 南瓜书 )的第2 版。相较于第1 版,本书对 西瓜书 中除了公式以外的重、难点内容加以解析,以过来人视角给出学习建议,旨在对比较难理解的公式和重点内容扩充具体的例子说明,以及对跳步过大的公式补充具体的推导细节。 全书共16 章,与 西瓜书 章节、公式对应,每个公式的推导和解释都以本科数学基础的视角进行讲解,希望能够帮助读者快速掌握各个机器学习算法背后的数学原理。 本书思路清晰,视角独特,结构合理,可作为高等院校计算机及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考
本书基于学术写作的核心在于结构化的思维这一理念,全方位地介绍了如何应用 AI 辅助学术写作。AI 辅助学术写作的流程主要包括选题的确定、前言和文献综述的撰写、理论框架和研究方法的设计、研究框架与正文的组织、结论的构建、初稿的润色、标题摘要的撰写与投稿等方面。 本书力求为读者提供多样化的解决方案。这些解决方案依据不同的写作目标和策略制订,从而让读者可以根据具体需求选择。此外,本书还引导读者探索各种 AI 工具,应用好这些 AI工具有助于解决具体问题,如数据查询、参考文献管理、语言润饰等,极大地节省了学术写作的时间和精力。 无论是学生、教师、研究者,还是对学术写作有浓厚兴趣的读者,本书都能够帮助其更 好地理解人工智能在学术写作中的应用,在逻辑清晰、条理分明的框架内进行有效的学术写作,提高写作技巧,并
本书作为人工智能专业的入门书,带领读者初步学习和实践机器学习、深度学习的算法、流程和核心技术,并介绍了系统开发及开发环境,通过图解的方式将难懂的专业术语和算法表现出来,让没有相关专业基础的读者能够轻松入门。同时,本书还介绍了一些比较常用的网站网络服务,让读者能够学以致用。本书适合人工智能领域入门读者,也适合对人工智能感兴趣的其他领域读者学习。
在《强化学习与机器人控制》一书中,专家团队不仅简洁明了地描述了人机交互控制方案,还深入介绍了新颖的无模型强化学习控制器。本书首先简述更先进的人机交互控制方案和强化学习,然后讲解典型的环境模型,最后介绍一些更著名的参数估计识别技术。 《强化学习与机器人控制》提供了严谨的数学推理和演示,这有助于读者理解控制方案和算法。书中还描述了人机交互控制和基于强化学习控制的稳定性和收敛性分析。另外,还讨论了一些前沿话题,如逆运动学和速度运动学解决方案、神经控制以及机器人领域未来可能的发展趋势。 ● 全面介绍基于模型的人机交互控制 ● 详细研究基于欧拉角的无模型人机交互控制和 人机回圈 机制控制 ● 实际讨论机器人位置和力控制的强化学习以及机器人力控制的连续时间强化学习 ● 深入研究使用强化学习来控制
申报课题是高校教师和科研工作者十分重要的工作内容。 本书采用倒金字塔思路,对课题申请书进行了拆解,并系统介绍了如何利用 AI 辅助做好课题申报工作。本书第一章对课题申报进行了概述,分别介绍了各级别课题的申报公告和申请书及活页。第二章~第十二章分别介绍如何利用 AI 辅助开展课题申报的具体工作,主要有寻找选题、分析课题立项选题,以及课题论证相关部分的写作,包括研究背景写作、学术史梳理及研究动态写作、研究价值写作、阐释研究对象与框架思路写作、课题的重点难点写作、主要目标写作、研究计划及其可行性写作、其他部分写作。本书讲解全面、细致,并采用案例直观展示,方便读者学习。
本书是中国科协新一代信息技术系列丛书之一。本书内容包括知识表示、知识获取、知识应用三部分。其中,知识表示主要介绍概念表示、知识表示、知识图谱;知识获取主要介绍搜索技术、群智能算法、机器学习、人工神经网络与深度学习;知识应用涉及计算机视觉、自然语言处理、语音处理、专家系统、规划、多智能体系统与智能机器人六部分。力求将人工智能的发展脉络、技术理论、产业成果以翔实的形态展现于人前。除了必要的知识点与宽泛的知识图谱,本书还深入浅出地介绍了有关智能搜索技术、计算机视觉、语言智能、机器人等在内的不同领域的应用实践成果。本书主要面向大学非计算机类的工科专业的高年级学生与研究生,帮助学生了解人工智能的发展过程与基本知识,熟悉人工智能产业的发展现状与市场需求,培养人工智能应用能力。同时,
工程师需要知道的机器学习和人工智能提供的实例和图示来自Prosise的AI和ML课程,这]课程受到了全球各地许多公司和研究所的青睐和欢迎。作者不涉及让人滑悚然和望而生畏的数学公式,目的只有一个那就 是面向工程师和软件开发人员,帮助他们迅速入门并通过案例迅速运用人工智能和机器学习来解决业务问题。本书讲帮助读者学会什么是机器学习和深度学习以及两者各有哪些用途;理解常用的深度学习算法的原理及其应用;学会标记和未标记数据,监督学习和非监督学习有何差异;通过scikit-learn和神经网络Keras和TensorFlow ,运用Python来进行机器学习建模;训练和评分地柜模型与-进制和多类粉类器模型 ;构建面检测和面识别模型以及 对象检测模型。本书适合硬件工程师与软件开发人员阅读和参考
周志华老师的《机器学习》(俗称 西瓜书 )是机器学习领域的经典入门教材之一。本书(俗称 南瓜书 )基于Datawhale 成员自学 西瓜书 时记下的笔记编著而成,旨在对 西瓜书 中重难点公式加以解析,以及对部分公式补充具体的推导细节。 全书共16 章,与 西瓜书 章节、公式对应,每个公式的推导和解析都以本科数学基础的视角进行讲解,希望能够帮助读者达到 理工科数学基础扎实点的大二下学期学生 水平。每章都附有相关阅读材料,以便有兴趣的读者进一步钻研探索。 本书思路清晰,视角独特,结构合理,可作为高等院校计算机及相关专业的本科生或研究生教材,也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
本书作为文心一言的学习指南,全面、细致地介绍了文心一言PC端和App的各项功能和使用方法,力求通过简洁明了的语言和图文并茂的形式,让读者快速掌握文心一言的各项功能。 全书共8章,首先简单介绍了人工智能发展的几个阶段及文心一言的相关研发背景;随后介绍了文心一言的基础页面及功能等内容,以及文心一言在学习、工作、生活娱乐方面的应用及相关案例;接着介绍了文心一言的插件,以及文心一言App的功能和使用技巧;最后介绍了百度旗下其他AI产品(文心一格和百度智能云 一念)的功能及使用方法。需要说明的是,本书基于文心一言v2.4.0编写,鉴于版本迭代较快,读者所用软件版本功能及表现与本书所呈现的内容可能存在差异,但并不影响阅读与学习,敬请读者注意。 本书不仅适合对文心一言感兴趣的初学者和进阶爱好者阅读,也适合对人工
机器学习是人工智能的核心,而统计思维则是机器学习方法的核心:从随机性中寻找规律性。例如,利用损失最小化思想制定学习策略,采用概率最大化思想估计模型参数,利用方差对不确定性的捕捉构造 k维树,采用贝叶斯公式构建分类决策模型,等等。只有树立正确的统计思维,才能准确高效地运用机器学习方法开展数据处理与分析。本书以统计思维的视角,揭示监督学习中回归和分类模型的核心思想,帮助读者构建理论体系。具体模型包括线性回归模型、K近邻模型、贝叶斯推断、逻辑回归模型、最大熵模型、决策树模型、感知机模型、支持向量机、EM算法和提升方法。 本书共 12章,绪论介绍贯穿本书的两大思维模式,以及关于全书的阅读指南;第 1章介绍一些基本术语,并给出监督学习的流程;第 2章介绍关于回归问题的机器学习方法;第 3~9章介绍关于分
本书以通俗易懂的风格介绍了机器学习和深度学习技术,只涉及了基本的数学知识。本书由两位机器学习和深度学习领域的专家编写,书中的案例涵盖了银行、保险、电子商务、零售和医疗等多个行业。本书讲述如何在当今的智能设备和应用程序中使用机器学习和深度学习技术。本书提供了对书中涉及的数据集、代码和示例项目的下载。 l 机器学习和深度学习的概念 l 随机森林和提升方法 l Python编程与统计学基础 l 人工神经网络 l 回归与逻辑回归 l TensorFlow与Keras l 决策树 l 深度学习超参数 l 模型选择与交叉验证 l 卷积神经网络(CNN) l 聚类分析 l 循环神经网络(RNN)和长短期记忆网络(LSTM)
白志刚编著的《自动调节系统解析与PID整定》采用生动形象的语言,深入讲解了PID参数整定的方法和自动调节系统控制策略的制定。书中带领读者一步一步理解PID参数的含义、曲线特征和整定方法,其中还有作者总结的整定口诀,好记好用,之后,通过火电厂自动调节系统的实例,具体说明了控制策略的制定和参数整定在实践中的应用,后总结了自动调节系统外围设备的故障处理。《自动调节系统解析与PID整定》作者在自动调节系统一线工作二十多年,对自动调节系统有深刻的认识,具有非常丰富的现场经验。《自动调节系统解析与PID整定》适用于化工、矿业、冶金、仪器仪表等自动化技术人员。
本书基于Python语言,结合实际的数据集,介绍了机器学习算法以及数据分析方法的应用。本书主要包含两部分内容,第一部分为Python机器学习入门知识:主要介绍了Python的基础内容、Numpy与Pandas库数据操作、Matplotlib与Seaborn库数据可视化、Sklearn库机器学习,以及与机器学习相关的基础知识;第二部分为Python机器学习算法应用:主要介绍了数据的回归预测分析、时间序列预测,数据无监督学习中的聚类、降维以及关联规则,数据分类模型的应用以及针对文本数据与网络图数据的机器学习算法应用。本书适合对机器学习、数据分析感兴趣的初学者学习,也可作为Python机器学习、数据分析、数据可视化的入门及进阶的教材。
《机器学习平台架构实战》详细阐述了与机器学习平台架构相关的基本解决方案,主要包括机器学习和机器学习解决方案架构,机器学习的业务用例,机器学习算法,机器学习的数据管理,开源机器学习库,Kubernetes容器编排基础设施管理,开源机器学习平台,使用AWS机器学习服务构建数据科学环境,使用AWS机器学习服务构建企业机器学习架构,高级机器学习工程,机器学习治理、偏差、可解释性和隐私,使用人工智能服务和机器学习平台构建机器学习解决方案等内容。此外,本书还提供了相应的示例、代码,以帮助读者进一步理解相关方案的实现过程。
《MediaPipe机器学习跨平台框架实战》以实际项目为线索,带领读者探索MediaPipe在不同场景中的应用,使读者既能了解理论知识,又能通过实践掌握技能。全书共9章,第1章介绍MediaPipe基础;第2章重点探讨MediaPipe的控制流、同步机制以及GPU的使用;第3章介绍MediaPipe中的Facemesh,探讨其在增强现实、AR滤镜和视频会议软件中的应用;第4章将MediaPipe与游戏控制相结合,介绍如何在体感游戏中应用MediaPipe技术;第5章以AR激光剑效果、火箭发射小游戏、空中作图等为例,展示MediaPipe在视觉特效方面的应用;第6章介绍如何使用MediaPipe实现手语识别应用;第7章展示如何通过MediaPipe打造虚拟智能健身教练;第8章通过案例介绍MediaPipe与Unity在游戏与虚拟现实领域整合应用的强大潜力;第9章展望MediaPipe的未来,为读者提供了对这一技术的更深层次的认识和思考。 《MediaPipe机器学习跨
《统计学习要素:机器学习中的数据挖掘、推断与预测(第2版)》在一个通用的概念框架中描述通用于数据挖掘、机器学习和生物信息学等领域的重要思想和概念。这些统计学范畴下的概念是人工智能与机器学习的基础。全书共18 章,主题包括监督学习、回归的线性方法、分类的线性方法、基展开和正则化、核光滑方法、模型评估和选择、模型推断和平均、加性模型、树和相关方法、Boosting 和加性树、神经网络、支持向量机和柔性判断、原型方法和*近邻、非监督学习、随机森林、集成学习、无向图模型和高维问题等。 《统计学习要素:机器学习中的数据挖掘、推断与预测(第2版)》主题全面,是一本经典的统计学习教材,适合本科高年级学生和研究生使用和参考。
《Python机器学习项目实战》引领大家在构建实际项目的过程中,掌握关键的机器学习概念!使用机器学习,我们可完成客户行为分析、价格趋势预测、风险评估等任务。要想掌握机器学习,需要有优质的范例、清晰的讲解和大量的练习。本书完全满足这三点! 本书展示了现实、实用的机器学习场景,并全面、清晰地介绍了机器学习的关键概念。在学习本书的过程中,读者将会完成一些引人入胜的项目,比如使用线性回归预测汽车价格,部署客户流失预测服务等。读者将**算法,学习在无服务器系统上部署机器学习应用,以及使用Kubernetes和Kubeflow服务模型等重要技术。大家埋头苦学,亲自动手,享受掌握机器学习技能的乐趣! 主要内容 ●收集和清理训练模型的数据 ●使用流行的Python工具,包括NumPy、Scikit-Learn和TensorFlow ●将机器学习模型部署到生产环境中 阅读门槛 读者
本书是作者多年在数据智能领域中利用机器学习实战经验的理解、归纳和总结。出于 回归事物本质,规律性、系统性地思考问题 理论为实践服务并且反过来充实理论,为更多人服务 的想法和初心,本书系统地阐述了机器学习理论和工程方法论,并结合实际商业场景落地。 全书分为3部分。第1部分是机器学习的数学理论理解,这部分不是对于机器学习数学理论的严谨推导和证明,更多是对于理论背后的 到底是什么,为什么要这样做 的通俗理解。尽可能通过对应到日常生活中的现象来进行讲述。第2部分是机器学习模型、方法及本质,这一部分针对机器学习的方法论及具体的处理过程进行阐述。涉及数据准备、异常值的检测和处理、特征的处理、典型模型的介绍、代价函数、激活函数及模型性能评价等,是本书的核心内容。我们学习知识的主要目的是解决问题,特
《机器学习实战使用R、tidyverse和mlr》将使用RStudio和非常棒的mlr程序包开启你的机器学习之旅。这本实用指南简化了理论,避免了不必要的复杂统计和数学知识,所有核心的机器学习技术都通过图形和易于掌握的示例进行清晰的解释。每一章的内容都十分引人入胜,你将掌握如何把新的算法付诸实践,以解决各种预测分析问题,包括泰坦尼克沉船事件中不同乘客的幸存概率、垃圾邮件过滤、毒酒事件调查等。 主要内容 使用tidyverse程序包处理和绘制数据 监督机器学习和非监督机器学习技术 分类、回归、降维和聚类算法 统计学基础