9787115600820 动手学深度学习（PyTorch版） 109.80 9787115584519 动手学强化学习 89.90 9787115618207 动手学机器学习 89.80 《动手学深度学习（PyTorch版）》 本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络 多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用

深度学习绝非不可窥探的黑箱!深入理解其模型和算法的实际运作机制，是驾驭并优化结果的关键。你无需成为数学专家或资深数据科学家,同样能够掌握深度学习系统内部的工作原理。本书旨在通过深入浅出的方式，为你揭示这些原理，让你在理解和解释自己的工作时更加自信与从容。 《深度学习精粹与PyTorch实践》以浅显易懂的方式揭示了深度学习算法的内部运作机制，即使是机器学习初学者也能轻松理解。本书通过平实的语言解析、详尽的代码注释,以及数十个基于PyTorch框架的实战示例，逐步引导你探索深度学习的核心概念与实用工具。本书避免了复杂的数学公式堆砌，而是采用直观易懂的方式阐述每种神经网络类型的运作逻辑。更令人兴奋的是，书中提供的所有解决方案均可在现有的GPU硬件上顺畅运行! 主要内容 ● 选择正确的深度学习组件 ● 训练和评估

动手学图机器学习 识别关系是机器学习的基础。通过识别和分析数据中的关系，以图为核心的算法(如K-邻近或PageRank)显著提高了机器学习应用的效率。基于图的机器学习技术以全新方式为社交网络、欺诈检测、自然语言处理和推荐系统等领域的机器学习提供了强有力的支持。 《动手学图机器学习》是行业类的权威书籍，旨在倾授如何利用面向图的机器学习算法和工具，充分挖掘结构化和非结构化数据集中的自然关系，读者可以从中吸收图架构和图设计实践的精髓，并学会从容避开常见的陷阱。作者Alessandro Negro通过真实的应用示例，将GraphML(一种图建模语言)概念与实际任务完美联系起来，使读者能够更好地理解图技术在机器学习中的价值，并熟练应用该技术。 ● 大数据平台中的图 ● 推荐、自然语言处理、欺诈检测 ● 图算法 ● 与Neo4j图数据库协作

本书共32章，循序渐进地讲解了Objective-C开发iOS应用程序的基本知识。本书从搭建开发环境讲起，依次讲解了Objective-C的基础，如常量、变量和数据类型，运算符和表达式，选择结构，循环结构；Objective-C的知识，如类、对象和方法、继承、多态、动态类型和异常处理；Objective-C的实战技术，如Foundation框架类详解，日期、时间、复制和谓词，文件操作，Xcode?Interface?Builder界面开发，使用Xcode编写MVC程序，基础控件，Web视图控件，可滚动视图控件和翻页控件，提醒、操作表和表视图，活动指示器、进度条和检索条，UIView和视图控制器，图形、图像、图层和动画，多媒体应用，定位处理，触摸、手势识别和Force?Touch，Touch?ID，游戏开发等。本书内容全面，几乎涵盖了Objective-C语言的核心语法知识和开发iOS应用程序所需要的主要技术，全书内容言简意赅，讲解方法通俗易懂，特

本书包含国家自然科学基金项目（61673002）的部分研究成果，以多传感器信息融合系统为主要介绍对象，内容包含多传感器信息融合估计理论基础、参数不确定系统中的状态融合方法，以及非标准及测量噪声相关的多传感器系统优融合估计及状态融合估计理论在成纸定量估计、移动机器人位姿计算中的应用。本书可供自动化、电子信息、计算机应用、控制科学与工程、信号处理、机械制造等相关专业师生以及相关领域的工程技术人员和研究人员参考。