苏州比比电子怎么样加班多吗

本書既有理論研究，又有實踐探討，共分為6章，講解了云計算安全中人工智能與大數(shù)據(jù)挖掘技術(shù)的應(yīng)用實踐。第1章從概念、發(fā)展、標準等角度宏觀地介紹了云計算安全；第2章從云計算安全需求的角度闡釋云計算安全的核心目標、公有云場景下的安全需求和私有云場景下的安全需求；第3章全面、系統(tǒng)地介紹了公有云安全技術(shù)體系和私有云安全技術(shù)體系；第4章詳細介紹了人工智能技術(shù)在云計算安全領(lǐng)域的應(yīng)用實踐；第5章詳細介紹了大數(shù)據(jù)挖掘技術(shù)在云計算安全領(lǐng)域的應(yīng)用實踐；第6章介紹了人工智能和大數(shù)據(jù)挖掘技術(shù)的綜合應(yīng)用，提出云數(shù)據(jù)中心安全防護框架，并詳細介紹了云數(shù)據(jù)中心安全態(tài)勢感知系統(tǒng)。本書是人工智能與大數(shù)據(jù)挖掘技術(shù)在云計算安全領(lǐng)域的應(yīng)用實踐參考書，適用于人工智能、大數(shù)據(jù)挖掘、云計算、網(wǎng)絡(luò)信息安全相關(guān)領(lǐng)域的從業(yè)人員。

·17.4萬字

會員

大數(shù)據(jù)智能風控：模型、平臺與業(yè)務(wù)實踐

這是一本深入講解智能風控理論體系和風控全生命周期業(yè)務(wù)實踐的著作。作者基于在銀行業(yè)10余年的風控經(jīng)驗，首先詳細講解了“大數(shù)據(jù)、模型、風控平臺”三位一體的智能風控體系，能為風控實踐提供扎實的理論指導；然后圍繞風控的全生命周期，從貸前評估、貸中監(jiān)控、貸后管理以及智能反欺詐、智能催收等角度全面講解了智能風控的業(yè)務(wù)實踐，深刻揭示了智能風控體系的精髓。第1~2章全面而深入地探討了智能風控的背景知識：首先對基礎(chǔ)信貸業(yè)務(wù)進行了細致解析，讀者可以從中了解其運作方式和重要性；然后，梳理了智能風控是如何隨著技術(shù)的進步和市場的需求逐漸成熟和完善的。第3~5章圍繞“數(shù)據(jù)、模型、風控平臺”三位一體的智能風控理論體系展開：首先介紹了內(nèi)部數(shù)據(jù)、外部數(shù)據(jù)、個人征信數(shù)據(jù)在智能風控中的應(yīng)用，以及智能數(shù)據(jù)體系的構(gòu)建；然后深入探討了智能風控模型的算法、評價指標、開發(fā)流程；最后講解了風控平臺的理論框架、設(shè)計原則、架構(gòu)設(shè)計、建設(shè)流程以及決策引擎的建設(shè)。第6~8章圍繞風控的全生命周期探討了風控策略在實際業(yè)務(wù)中的應(yīng)用，包括貸前評估、貸中監(jiān)控、貸后管理，以及智能反欺詐和智能催收體系的建設(shè)和業(yè)務(wù)實踐，能幫助讀者將理論知識轉(zhuǎn)化為實際操作能力，更好地應(yīng)對現(xiàn)實業(yè)務(wù)中的挑戰(zhàn)。第9章對智能風控的未來發(fā)展進行了展望，不僅為讀者揭示了未來的機遇，也提供了對于如何應(yīng)對未來挑戰(zhàn)的思考。

·17.4萬字

會員

巨浪：生成式AI的史詩與現(xiàn)實

這是一本與眾不同的關(guān)于生成式AI的書。首先，它對AI產(chǎn)業(yè)和AI技術(shù)過去多年的發(fā)展脈絡(luò)做了一個總結(jié)，以高屋建瓴的視角分析事物的全貌。其次，它深入淺出地討論了AI尤其是生成式AI的關(guān)鍵技術(shù)問題，但沒有“沉溺”于這些問題。再次，它既涉及歐美最先進的生成式AI產(chǎn)業(yè)，也涉及中國在追趕中的生成式AI產(chǎn)業(yè)。最后，它脫離了資本市場的短期視角，充分而全面地討論了一些基本的、長遠的問題，例如生成式AI到底要如何改造傳統(tǒng)產(chǎn)業(yè)。“不瘋魔，不成活”，只有“固執(zhí)己見”的天才才能改變歷史——這是研究生成式AI帶給我們的最大啟示。

·17.4萬字

會員

MLOps工程實踐：工具、技術(shù)與企業(yè)級應(yīng)用

這是一本能指導企業(yè)利用MLOps技術(shù)構(gòu)建可靠、高效、可復用、可擴展的機器學習模型從而實現(xiàn)AI工程化落地的著作。由國內(nèi)AI領(lǐng)域的獨角獸企業(yè)第四范式的聯(lián)合創(chuàng)始人和技術(shù)VP領(lǐng)銜撰寫，從工具、技術(shù)、企業(yè)級應(yīng)用、成熟度評估4個維度對MLOps進行了全面的講解。本書深入淺出、循序漸進地講解了如何在實際項目中利用MLOps進行機器學習模型的部署、監(jiān)控與優(yōu)化，以及如何利用MLOps實現(xiàn)持續(xù)集成與持續(xù)交付等高效的工作流程。通過企業(yè)級的MLOps案例和解決方案，幫助讀者輕松掌握MLOps的設(shè)計思路以及如何應(yīng)用MLOps解決實際問題。

·17.4萬字

會員

神經(jīng)網(wǎng)絡(luò)與機器人科研項目申請與實踐

本書分為神經(jīng)網(wǎng)絡(luò)與機器人項目申請，神經(jīng)網(wǎng)絡(luò)與計算機項目申請，機械臂理論項目申請、進展與結(jié)題，機械臂實物項目申請與進展，時變問題神經(jīng)網(wǎng)絡(luò)求解項目申請、評議與進展，和基函數(shù)、多類與海量神經(jīng)網(wǎng)絡(luò)項目申請與評議共六部分，每一部分都是由相關(guān)的申請報告，進展報告，同行反饋意見和/或結(jié)題報告系統(tǒng)化地構(gòu)成，并整理出具有啟發(fā)性的總結(jié)。值得指出的是，同行評議意見一般都非常中肯，問題指出也非常到位；對同行評議意見的認真分析總結(jié)以及對應(yīng)的申報書改進與完善是非常重要和有益的。

·17.3萬字

會員

MLOps權(quán)威指南

本書前幾章涵蓋了DevOps和MLOps的理論和實踐，然后介紹了如何設(shè)置持續(xù)集成和持續(xù)交付，接著介紹Kaizen，即對所有事物進行持續(xù)改進的想法。與云計算相關(guān)的MLOps分為三章，涵蓋AWS、Azure和GCP（谷歌云平臺）。之后介紹了機器學習互操作性、構(gòu)建MLOps命令行工具和微服務(wù)。這些主題包括許多具有積極吸引力的尖端新興技術(shù)。結(jié)尾介紹了一些真實案例研究，以及執(zhí)行MLOps時面臨的挑戰(zhàn)。

·17.2萬字

會員

AIGC輔助數(shù)據(jù)分析與數(shù)據(jù)化運營：場景化解決方案與案例分析

這是一本能從業(yè)務(wù)、方法、場景3個維度幫助讀者使用AI技術(shù)提升數(shù)據(jù)分析和數(shù)據(jù)化運營能力的著作。用扎實的理論框架、豐富的實踐案例、實用的操作技巧，全面展示了如何用AI延伸業(yè)務(wù)分析廣度、拓展業(yè)務(wù)分析深度、優(yōu)化業(yè)務(wù)分析效能，從而達到幫助企業(yè)用智能的數(shù)據(jù)化運營實現(xiàn)業(yè)務(wù)持續(xù)增長的目的。本書采用案例驅(qū)動的寫作方式，通過實際業(yè)務(wù)案例詳細拆解AI技術(shù)在各個場景中的應(yīng)用步驟和技巧。語言簡潔易懂，理論與實踐結(jié)合，注重實用性和可操作性，幫助讀者快速掌握核心知識。提供豐富的實際案例和操作指南，涵蓋多種AI工具和交互技巧，確保讀者能夠?qū)W以致用。

·17.2萬字

會員

強化學習：原理與Python實戰(zhàn)

本書從原理和實戰(zhàn)兩個方面介紹了強化學習。原理方面，深入介紹了主流強化學習理論和算法，覆蓋資格跡等經(jīng)典算法和MuZero等深度強化學習算法；實戰(zhàn)方面，每章都配套了編程案例，以方便讀者學習。全書從邏輯上分為三部分。第1章：從零開始介紹強化學習的背景知識，介紹環(huán)境庫Gym的使用。第2～15章：基于折扣獎勵離散時間Markov決策過程模型，介紹強化學習的主干理論和常見算法。采用數(shù)學語言推導強化學習的基礎(chǔ)理論，進而在理論的基礎(chǔ)上講解算法，并為算法提供配套代碼實現(xiàn)。基礎(chǔ)理論的講解突出主干部分，算法講解全面覆蓋主流的強化學習算法，包括經(jīng)典的非深度強化學習算法和近年流行的強化學習算法。Python實現(xiàn)和算法講解一一對應(yīng)，還給出了深度強化學習算法的TensorFlow和PyTorch對照實現(xiàn)。第16章：介紹其他強化學習模型，包括平均獎勵模型、連續(xù)時間模型、非齊次模型、半Markov模型、部分可觀測模型等，以便更好了解強化學習研究的全貌。

·17.2萬字

會員

DeepSeek原理與項目實戰(zhàn)：大模型部署、微調(diào)與應(yīng)用開發(fā)

DeepSeek是一種基于Transformer架構(gòu)的生成式AI（ArtificialIntelligence）大模型，融合了MoE架構(gòu)、混合精度訓練、分布式優(yōu)化等先進技術(shù)，具備強大的文本生成、多模態(tài)處理和任務(wù)定制化能力。本書系統(tǒng)性地介紹了開源大模型DeepSeek-V3的核心技術(shù)及其在實際開發(fā)中的深度應(yīng)用。全書分三部分共12章，涵蓋理論解析、技術(shù)實現(xiàn)和應(yīng)用實踐。本書通過深度講解與實用案例相結(jié)合的方式，幫助讀者理解DeepSeek大模型從原理到開發(fā)的完整流程，學習新技術(shù)的實現(xiàn)方法與優(yōu)化策略，全面提升在大模型領(lǐng)域的理論素養(yǎng)與開發(fā)能力。

·17.1萬字

會員

從深度學習到圖神經(jīng)網(wǎng)絡(luò)：模型與實踐

近年來，深度學習在人工智能的發(fā)展過程中起到了舉足輕重的作用，而圖神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域的一個新興方向，被稱為圖上的深度學習。本書詳細介紹了從深度學習到圖神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)概念和前沿技術(shù)，包括圖上的深度學習、圖神經(jīng)網(wǎng)絡(luò)的數(shù)學基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)學習與算法優(yōu)化、深度學習基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)中的表示學習、面向圖數(shù)據(jù)的嵌入表示、初代圖神經(jīng)網(wǎng)絡(luò)、空域及譜域圖卷積神經(jīng)網(wǎng)絡(luò)等內(nèi)容。為增強可讀性，本書敘述清晰、內(nèi)容深入淺出、圖文并茂，力求降低初學者的學習難度。本書既可作為人工智能領(lǐng)域研究和開發(fā)人員的技術(shù)參考書，也可作為對圖上的深度學習感興趣的高年級本科生和研究生的入門書。

·17.1萬字

會員

解碼智能時代2021：來自未來的數(shù)智圖譜

在“芯屏器核網(wǎng)”“云聯(lián)數(shù)算用”和“住業(yè)游樂購”對應(yīng)的三大版圖和15個版塊上進行探索，是我們這本書的內(nèi)容架構(gòu)和創(chuàng)作思路。實際上，大數(shù)據(jù)智能化不僅僅是新技術(shù)與新工具，更是一種觀察和認知世界的全新思維方式。我們沒有用技術(shù)與產(chǎn)業(yè)的語言來講解技術(shù)與產(chǎn)業(yè)，而是用新思考、新案例與新論證，多維度、系統(tǒng)性與通俗化地為大家呈現(xiàn)大數(shù)據(jù)智能化這片生機勃勃且潛力巨大的新大陸。

·17.1萬字

會員

解碼智能時代：刷新未來認知

本書是立足智能時代的背景編寫的，全書分為12個部分，對大數(shù)據(jù)、人工智能、區(qū)塊鏈、5G、物聯(lián)網(wǎng)、智慧城市、云計算、數(shù)字政府、金融科技、智能醫(yī)療、智能制造、智慧教育相關(guān)內(nèi)容進行了深度闡述，力圖全景呈現(xiàn)智能技術(shù)的概念、思想及發(fā)展現(xiàn)狀，以及它們對未來產(chǎn)業(yè)和社會的影響。該書在智能化產(chǎn)業(yè)起步階段具有行業(yè)影響力和啟發(fā)作用。適合于不同層次和領(lǐng)域的研究人員及學生閱讀，也是相關(guān)領(lǐng)域的科研與工程技術(shù)人員的參考書。

·17萬字

會員

ROS機器人開發(fā)實踐

本書以《ROS探索總結(jié)》系列博文為基礎(chǔ)，重新整理了ROS相關(guān)基礎(chǔ)要點，讓讀者能夠迅速熟悉ROS的整體框架和設(shè)計原理；在此基礎(chǔ)上，本書以實踐為重心，講解大量機器視覺、機器語音、機械臂控制、SLAM和導航、機器學習等多方面ROS應(yīng)用的實現(xiàn)原理和方法，并且翻譯了眾多ROS中的圖表、內(nèi)容，幫助讀者在實現(xiàn)ROS基礎(chǔ)功能的同時深入理解基于ROS的機器人開發(fā)，將書中的內(nèi)容用于實踐。

·17萬字

會員

現(xiàn)代人工智能技術(shù)

《現(xiàn)代人工智能技術(shù)》對現(xiàn)代人工智能的理論、算法、框架及應(yīng)用進行了全面、系統(tǒng)的論述，剖析了人工智能研究領(lǐng)域的前沿學術(shù)成果，涵蓋了機器學習、深度學習、強化學習以及聯(lián)邦學習等諸多方向。讀者通過學習本書，能夠掌握人工智能的基本知識，并能了解人工智能研究的一些前沿內(nèi)容，為進一步學習人工智能理論與應(yīng)用奠定基礎(chǔ)。全書共分為9章，分別為緒論、知識表達、推理方法、智能算法、機器學習、神經(jīng)網(wǎng)絡(luò)、深度學習、強化學習、聯(lián)邦學習。本書可作為計算機類、自動化類、電氣類、電子信息類專業(yè)的本科生、研究生學習人工智能課程的參考用書，也可供高等院校的教師、研究機構(gòu)的研究人員，以及相關(guān)法律法規(guī)制定者和政府監(jiān)管部門參考。

·16.9萬字

會員

巧用ChatGPT進行數(shù)據(jù)分析與挖掘

這既是一本引導讀者如何使用ChatGPT低門檻、高效率學習Python數(shù)據(jù)分析與挖掘方法的著作，又是一本指導讀者如何使用ChatGPT精準、高效地進行Python數(shù)據(jù)分析與挖掘?qū)嵅俚闹鳌淖x者對象的角度看，本書既大大降低了沒有編程經(jīng)驗的讀者學習Python數(shù)據(jù)分析的門檻，又為有經(jīng)驗的Python數(shù)據(jù)分析師提供了大量實用的AI數(shù)據(jù)分析技巧，幫助他們快速轉(zhuǎn)型為具備AI能力的數(shù)據(jù)分析師。從核心內(nèi)容的角度看，本書不僅講解了如何在數(shù)據(jù)預處理、數(shù)據(jù)清洗、數(shù)據(jù)可視化等基礎(chǔ)的數(shù)據(jù)分析環(huán)節(jié)使用AI工具，而且還講解了如何在聚類分析、預測分析等高級的數(shù)據(jù)建模環(huán)節(jié)使用AI工具。

·16.9萬字

會員

智能化浪潮：正在爆發(fā)的第四次工業(yè)革命

正在到來的第四次工業(yè)革命，是繼機械化、電氣化及信息化之后的一次大規(guī)模的智能化浪潮，將對人類生產(chǎn)、生活方式產(chǎn)生革命性的影響。本書以時間為主線，采用歷史案例+未來趨勢解讀的形式，全面介紹第四次工業(yè)革命涉及的各個技術(shù)領(lǐng)域發(fā)展趨勢，包括時下最熱門的人工智能、無人駕駛、VR/AR、工業(yè)4.0、共享經(jīng)濟等；深入講解人類科技發(fā)展歷史的總體趨勢，通過眾多典型歷史案例總結(jié)出人類科技發(fā)展的核心驅(qū)動力是信息、能源、交通“三駕馬車”規(guī)律，從全球視角解讀科技大趨勢，激發(fā)人們對科技創(chuàng)新規(guī)律的思考。本書中心思想明確，觀點新穎，內(nèi)容通俗易懂，非常適合關(guān)注科技創(chuàng)新的互聯(lián)網(wǎng)從業(yè)者、風險投資人、傳統(tǒng)企業(yè)家以及股市投資者等閱讀。

·16.9萬字

會員

Manus極簡入門：從0到1快速打造你的AI智能體

本書是一本全面介紹Manus及其應(yīng)用的實用指南，旨在幫助讀者深入了解Manus的核心技術(shù)、獨特優(yōu)勢及其在各個領(lǐng)域的廣泛應(yīng)用，為讀者在智能化時代的學習、工作和生活提供有力支持。首先，本書深入剖析智能體的本質(zhì)與技術(shù)基礎(chǔ)，詳細闡述AIAgent的核心架構(gòu)、運作原理，及其與傳統(tǒng)AI模型的區(qū)別，并從不同維度對比Manus與其他AI大模型（如DeepSeek、ChatGPT），讓讀者對Manus的技術(shù)優(yōu)勢有清晰的認識。其次，本書重點介紹Manus在個人工作與學習中的應(yīng)用，涵蓋智能日程優(yōu)化、職場技能提升、學習輔助等多個方面，為個人提升工作效率和學習效果提供實用方法與工具。接著，本書依次探討Manus在市場營銷、銷售收益優(yōu)化、供應(yīng)鏈管理等商業(yè)領(lǐng)域的創(chuàng)新應(yīng)用，包括AI虛擬代言人、動態(tài)內(nèi)容營銷、談判策略生成、價格彈性預測、多級庫存優(yōu)化等內(nèi)容，幫助企業(yè)實現(xiàn)精準營銷、高效銷售和精益管理。此外，本書深入分析Manus在產(chǎn)品服務(wù)創(chuàng)新、組織管理、風險管理等方面的應(yīng)用案例，如AI概念生成、虛擬焦點小組、智能包裝設(shè)計、組織網(wǎng)絡(luò)分析等，為企業(yè)的產(chǎn)品創(chuàng)新和內(nèi)部管理提供新思路。最后，本書還關(guān)注Manus在戰(zhàn)略決策、日常生活等領(lǐng)域的應(yīng)用，包括市場進入模擬、技術(shù)成熟度評估、健康與身心管理、家庭與社交關(guān)系優(yōu)化等方面，助力讀者從宏觀戰(zhàn)略到微觀生活全方位提升智能化水平。

·16.8萬字

會員

OpenCV4.5計算機視覺開發(fā)實戰(zhàn)：基于Python

OpenCV是一個跨平臺計算機視覺和機器學習軟件庫，也是計算機視覺領(lǐng)域的開發(fā)人員必須掌握的技術(shù)。本書基于Python3.8全面、系統(tǒng)地介紹OpenCV4.5的使用，并配套示例源代碼、開發(fā)環(huán)境與答疑服務(wù)。本書共分15章，主要內(nèi)容包括計算機視覺概述、OpenCV的Python開發(fā)環(huán)境搭建、OpenCV基本操作、數(shù)組矩陣、圖像處理模塊、灰度變換和直方圖修正、圖像平滑、幾何變換、圖像邊緣檢測、圖像分割、圖像金字塔、圖像形態(tài)學、視頻處理，以及停車場車牌識別、物體識別、運動跟蹤、人臉檢測等案例。本書既適合計算機視覺與圖像處理、人工智能算法的開發(fā)人員閱讀，也適合高等院校和培訓機構(gòu)計算機視覺與圖像處理、人工智能等相關(guān)專業(yè)的師生教學參考。

·16.8萬字

會員

人工智能導論

本書主要講述人工智能的基礎(chǔ)知識與基礎(chǔ)理論，并通過大量的人工智能應(yīng)用幫助讀者快速了解人工智能相關(guān)技術(shù)。本書共10章，分別為人工智能概述、人工智能基礎(chǔ)知識、機器學習、深度學習、計算機視覺、自然語言處理、知識圖譜、人工智能技術(shù)應(yīng)用場景、智能機器人和人工智能的挑戰(zhàn)與未來。本書內(nèi)容豐富，講解細致，注重技術(shù)發(fā)展變化。本書既可作為高校大數(shù)據(jù)專業(yè)、云計算專業(yè)、人工智能技術(shù)專業(yè)、信息管理專業(yè)、計算機網(wǎng)絡(luò)專業(yè)的教材，又可作為人工智能與大數(shù)據(jù)愛好者的參考書。

·16.8萬字

會員

TensorFlow機器學習（原書第2版）

這是一本TensorFlow機器學習入門教程，書中通過大量實例，以淺顯易懂、循序漸進的方式詳細闡釋使用Python和TensorFlow構(gòu)建機器學習模型的核心技術(shù)與方法。本書既涵蓋機器學習基礎(chǔ)理論，又介紹了如何將機器學習核心概念應(yīng)用于現(xiàn)實世界的挑戰(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）討論機器學習的基本原理及其當前被大規(guī)模應(yīng)用的原因；第二部分（第3～10章）通過大量實例詳細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進行機器學習選擇最佳的機器學習方法使用TensorBoard可視化算法與合作伙伴共享結(jié)果在Docker中運行模型

·16.8萬字

跳轉(zhuǎn)至頁

官术网_书友最值得收藏!

人工智能

分類

狀態(tài)

屬性

字數(shù)

更新時間

云計算安全：機器學習與大數(shù)據(jù)挖掘應(yīng)用實踐

大數(shù)據(jù)智能風控：模型、平臺與業(yè)務(wù)實踐

巨浪：生成式AI的史詩與現(xiàn)實

MLOps工程實踐：工具、技術(shù)與企業(yè)級應(yīng)用

神經(jīng)網(wǎng)絡(luò)與機器人科研項目申請與實踐

MLOps權(quán)威指南

AIGC輔助數(shù)據(jù)分析與數(shù)據(jù)化運營：場景化解決方案與案例分析

強化學習：原理與Python實戰(zhàn)

DeepSeek原理與項目實戰(zhàn)：大模型部署、微調(diào)與應(yīng)用開發(fā)

從深度學習到圖神經(jīng)網(wǎng)絡(luò)：模型與實踐

解碼智能時代2021：來自未來的數(shù)智圖譜

解碼智能時代：刷新未來認知

ROS機器人開發(fā)實踐

現(xiàn)代人工智能技術(shù)

巧用ChatGPT進行數(shù)據(jù)分析與挖掘

智能化浪潮：正在爆發(fā)的第四次工業(yè)革命

Manus極簡入門：從0到1快速打造你的AI智能體

OpenCV4.5計算機視覺開發(fā)實戰(zhàn)：基于Python

人工智能導論

TensorFlow機器學習（原書第2版）