官术网_书友最值得收藏!

Python編程基礎(chǔ)與科學(xué)計算
會員

本書首先講解了Python語言的語法基礎(chǔ),適合沒有Python基礎(chǔ)的人,隨后重點(diǎn)講解Python在科學(xué)計算方面的應(yīng)用,包括數(shù)組的使用、多項式、最小二乘法擬合、繪制各種二維和三維數(shù)據(jù)圖像、各種數(shù)值計算方法,例如聚類算法、線性代數(shù)運(yùn)算(特征值、特征向量、線性方程組求解、奇異值分解、范數(shù)等)、稀疏矩陣的存儲及線性代數(shù)運(yùn)算、積分、微分、常微分方程組的求解、各種插值算法、優(yōu)化算法(單變量、多變量局部優(yōu)化和全局優(yōu)化、曲線擬合、方程求根、線性規(guī)劃)、傅里葉變換(FFT、正弦余弦變換、窗函數(shù)、短時傅里葉變換等)、信號處理(卷積和相關(guān)計算、FIR和IIR濾波器及設(shè)計、濾波器頻率響應(yīng)、小波分析等)、圖像處理、正交距離回歸、空間算法(三維旋轉(zhuǎn)變換、kd樹、勞內(nèi)德三角形、凸包等),符號運(yùn)算包括多項式簡化、微分、積分、極限、泰勒展開、代數(shù)方程、常微分偏微分方程求解、非線性方程組求解、密集和稀疏矩陣運(yùn)算、繪制二維和三維圖像等,用Python處理Excel數(shù)據(jù)、繪制Excel數(shù)據(jù)圖像,文本文件和二進(jìn)制文件的讀寫等內(nèi)容。

李增剛 戴光昊 廖暉編著 ·程序設(shè)計 ·16.8萬字

TensorFlow機(jī)器學(xué)習(xí)(原書第2版)
會員

這是一本TensorFlow機(jī)器學(xué)習(xí)入門教程,書中通過大量實(shí)例,以淺顯易懂、循序漸進(jìn)的方式詳細(xì)闡釋使用Python和TensorFlow構(gòu)建機(jī)器學(xué)習(xí)模型的核心技術(shù)與方法。本書既涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)理論,又介紹了如何將機(jī)器學(xué)習(xí)核心概念應(yīng)用于現(xiàn)實(shí)世界的挑戰(zhàn)(例如,情感分析、文本分類和圖像識別)中,并通過實(shí)例展示了用于深度語音處理、面部識別以及使用CIFAR-10的自編碼器的神經(jīng)網(wǎng)絡(luò)技術(shù)。全書共分為三部分。第一部分(第1~2章)討論機(jī)器學(xué)習(xí)的基本原理及其當(dāng)前被大規(guī)模應(yīng)用的原因;第二部分(第3~10章)通過大量實(shí)例詳細(xì)介紹回歸算法和分類算法,涵蓋回歸、分類、無監(jiān)督聚類和隱馬爾可夫模型(HMM)等技術(shù)及應(yīng)用;第三部分(第11~19章)主要介紹神經(jīng)網(wǎng)絡(luò)及其應(yīng)用,涵蓋使用隱藏層的自編碼器壓縮和表示輸入、用于自動分類圖像和面部識別的卷積神經(jīng)網(wǎng)絡(luò)(CNN)、用于時間序列數(shù)據(jù)或語音轉(zhuǎn)文本的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),以及seq2seqRNN架構(gòu)等內(nèi)容。通過閱讀本書,你將能夠:使用TensorFlow進(jìn)行機(jī)器學(xué)習(xí)選擇最佳的機(jī)器學(xué)習(xí)方法使用TensorBoard可視化算法與合作伙伴共享結(jié)果在Docker中運(yùn)行模型

(美)克里斯·馬特曼 ·人工智能 ·16.8萬字

QQ閱讀手機(jī)版

主站蜘蛛池模板: 天祝| 二连浩特市| 庐江县| 宣城市| 昌图县| 栾城县| 扶风县| 二手房| 黄龙县| 威海市| 辉县市| 尚义县| 南充市| 沙田区| 克山县| 苍山县| 堆龙德庆县| 新宁县| 林芝县| 辽中县| 福鼎市| 崇左市| 靖远县| 南昌县| 丰顺县| 什邡市| 天水市| 威宁| 文安县| 洛阳市| 沁源县| 康平县| 三河市| 伊通| 阿克| 米易县| 水城县| 石门县| 冷水江市| 浏阳市| 双峰县|