牛牛的玩法和规则

這是一部講解如何基于機器學習技術實現數據缺失值填補的專著，與傳統的基于統計學的缺失值填補方法相比，效率上得到了較大的提升。作者基于多年的研究和實踐成果，創新性地提出了基于神經網絡的缺失值填補方法和基于TS模型的缺失值填補方法。全書共8章，可分為4個部分。第一部分（第1~3章）：首先介紹缺失值填補領域的缺失數據機制、基本概念、性能度量等基礎知識，隨后詳細闡述目前基于統計學、機器學習的缺失值填補理論與方法。第二部分（第4~5章）：對目前神經網絡在缺失值填補領域的研究成果進行歸納總結，并從網絡模型、填補方案角度闡述神經網絡填補方法的設計及應用。第三部分（第6~7章）：詳細介紹面向不完整數據的TS建模過程，隨后通過特征選擇算法處理TS建模中的特征冗余問題，并從前提參數優化和結論參數優化兩個角度改進TS模型。第四部分（第8章）：以缺失值填補方法在我國貧困問題研究中的應用為例，展現缺失值填補方法的現實意義。

·16.6萬字

會員

量子機器學習及區塊鏈技術導論

機器學習是人工智能發展和研究過程中最受重視和應用最廣泛的方向之一，與人工智能并行發展的量子計算，其被廣泛關注的領域之一是量子機器學習。量子計算給現代密碼體制帶來了巨大的沖擊，而建立在現代密碼體制基礎之上的區塊鏈技術也將受到影響。基于量子密碼體系的區塊鏈，即量子區塊鏈系統便是一種探索。本書主要對機器學習、深度學習、區塊鏈和量子計算技術及其應用進行全面介紹，主要內容包括機器學習基礎、量子信息與量子計算基礎、量子計算與機器學習、區塊鏈技術基礎、區塊鏈技術應用、量子區塊鏈初探。

·10.4萬字

會員

你好中小學人工智能

本書是一本體系完整、綜合全面介紹中小學人工智能相關內容的書籍。本書涉及人工智能的歷史與發展，中小學人工智能戰略定位、課程體系建設、計算思維，編程、機器人、知識工程、搜索算法、機器學習、深度學習、人工智能+X、人工智能對教育賦能、人工智能道德倫理與法律以及人工智能未來發展的展望等相關內容。本書可以作為中小學教師教授人工智能課程的輔助書籍，也適合對中小學人工智能教育感興趣的廣大讀者閱讀使用，還可以作為廣大讀者系統了解人工智能相關知識的參考用書。

·18.7萬字

會員

生成對抗網絡入門指南

生成對抗網絡毫無疑問是2018年最熱門的人工智能技術之一，被美國《麻省理工科技評論》評選為2018年“全球十大突破性技術”。《生成對抗網絡入門指南》是一本結合基礎理論與工程實踐的入門型書籍，深入淺出地講解了生成對抗網絡的各類模型以及技術發展。本書面向機器學習從業人員、在校相關專業學生以及具備一定基礎的人工智能領域愛好者。通過本書的學習，能夠了解生成對抗網絡的技術原理，并通過書中的代碼實例深入技術細節。本書共分10個章節，其中前半部分分別介紹了目前研究領域已經較為成熟的生成對抗網絡模型，比如DCGAN、WGAN等等，以及大量不同結構的生成對抗網絡變種。本書后半部分介紹了生成對抗網絡在文本到圖像的生成、圖像到圖像的生成以及其它應用中的研究與發展。希望本書能夠幫助廣大讀者跟上人工智能技術的潮流，成為AI時代的先行者。

·8.9萬字

會員

AI加速器架構設計與實現

這是一本講解NPU硬件架構設計與技術實現的著作。作者將自己在CPU、GPU和NPU領域15年的軟硬件工作經驗融會貫通，將四代NPU架構設計經驗融為一體，將端側和云側NPU架構合二為一，總結并提煉出本書內容。本書主要討論神經網絡硬件層面，尤其是芯片設計層面的內容，主要包含神經網絡的分析、神經網絡加速器的設計以及具體實現技術。通過閱讀本書，讀者可以深入了解主流的神經網絡結構，掌握如何從零開始設計一個能用、好用的產品級加速器。通過閱讀本書，你將：透徹理解與深度學習相關的機器學習算法及其實現；學會主流圖像處理領域神經網絡的結構；掌握加速器運算子系統和存儲子系統的設計；摸清加速器設計中遇到的具體問題及其解決方法；了解NPU架構需要考慮的控制通路和數據通路。

·6萬字

會員

ABB工業機器人應用技術

本書以ABB工業機器人為研究對象，分認識工業機器人、工業機器人基本操作、工業機器人現場編程和工業機器人日常維護四個模塊進行介紹。通過詳細的圖解實例對ABB工業機器人的操作、編程、日常維護與保養等相關的方法與功能進行講述，讓讀者了解工業機器人，并且能夠掌握獨立完成操作、編程、維護保養作業相關的具體操作方法。

·3.2萬字

會員

ROS機器人項目開發11例（原書第2版）

本書涵蓋新的ROS發行版中的項目——ROSMelodicMoreniawithUbuntuBionic（18.04）。從基本原理開始，本書向你介紹了ROS-2，并幫助你了解它與ROS-1的不同之處。你將能夠在ROS中建模并構建工業移動機械手臂，并在Gazebo9中進行模擬。然后，你將了解如何使用狀態機處理復雜的機器人應用程序，以及一次處理多個機器人。本書還向你介紹了新的、流行的硬件，如Nvidia的JetsonNano、華碩修補板和BeagleboneBlack，并允許你探索與ROS的接口。

·12.8萬字

會員

PaddlePaddle深度學習實戰

本書由百度旗下“深度學習技術及應用國家工程實驗室”、百度技術學院聯合北航人工智能專家共同撰寫，行業實踐與學術理論兼顧。百度公司總裁張亞勤博士、李德毅院士、百度高級副總裁/AI技術平臺體系總負責人王海峰博士等行業領袖重點推薦。PaddlePaddle憑借上手容易、運行效率高、支持私有云等優勢，受到越來越多的公司和個人開發者的青睞。本書從實戰角度出發，旨在幫主讀者掌握在真實的生產環境中需要的開發技能。本書既詳細描述了神經網絡的各個細節，也深入講解了算法性能優化的思路和技巧，旨在幫助讀者深入理解深度學習的精髓。

·10.5萬字

會員

深度學習視頻理解

視頻理解是計算機視覺和深度學習的一個重要分支。本書對視頻理解的3個重要領域進行介紹，對于每個領域，本書不僅解釋了相關算法的原理，還梳理了算法演進的脈絡。全書共分6章，第1章簡要介紹視頻行業的發展歷程；第2章回顧經典圖像分類模型和RNN；第3章和第4章介紹動作識別的重要算法；第5章介紹時序動作定位的重要算法；第6章介紹視頻Embedding的重要算法。最后總結了常用的一些視頻處理工具。本書既適合高等院校人工智能相關專業的本科生和研究生閱讀，也可供視頻理解、推薦系統、搜索引擎和計算廣告等領域的研究人員和從業者參考。

·13.2萬字

會員

智能優化算法：基于生物行為模型的案例分析與設計

本書從生物建模機理、算法設計和工程應用層面針對典型的生物覓食行為啟發式計算方法進行研究，取得了具有創新性和應用價值的成果，所提出的改進策略和優化方法對于拓展相關領域的研究、指導實際應用都將具有一定的借鑒意義，可為從事相關智能優化方法研究的科研工作者提供可借鑒的理論指導。

·3.6萬字

會員

機器學習與Python實踐

機器學習是計算機科學與人工智能的重要分支領域.本書作為該領域的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方面.全書共16章，大致分為3個部分：第1部分（第1～3章）介紹機器學習的基礎知識；第2部分（第4～10章）討論一些經典而常用的機器學習方法（決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習）；第3部分（第11～16章）為進階知識，內容涉及特征選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等.每章都附有習題并介紹了相關閱讀材料，以便有興趣的讀者進一步鉆研探索。本書可作為高等院校計算機、自動化及相關專業的本科生或研究生教材，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。

·11.9萬字

會員

新一代人工智能：無代碼人工智能開發平臺實踐

本書是人工智能和機器學習領域專家多年實踐的結晶。它深入淺出地講解了無代碼人工智能開發平臺實踐，可以激發讀者對人工智能的興趣、學習人工智能知識、明確人工智能要素、掌握人工智能應用流程，并在學習和工作中不斷拓展人工智能的應用領域，探索新的人工智能落地應用場景。本書首先介紹了人工智能和無代碼人工智能平臺EasyDL的基本用法，涉及圖像智能分析、文本智能分析、語音智能分析、EasyDLOCR等；然后，重點闡釋了人工智能模型調用、人工智能模型部署方面的內容；最后，分析人工智能在各個領域的應用案例并介紹相關的學科競賽。本書不僅可以作為高等院校各專業的人工智能通識教育教輔，而且可以作為計算機類、人工智能類專業低年級本科學生的入門教輔。此外，本書也可以作為人工智能比賽參賽人員及對人工智能感興趣人員的參考書。

·11.3萬字

會員

TensorFlow機器學習

TensorFlow是Google所主導的機器學習框架，也是機器學習領域研究和應用的熱門對象。本書主要介紹如何通過TensorFlow來構建真實世界的機器學習系統，旨在讓讀者學以致用，能盡快地上手項目。本書的特色是通過實例來向讀者介紹TensorFlow的經典知識。本書共有12章，包含手寫識別器、貓狗分類器、翻譯器、文本含義查找、金融中的機器學習、醫療應用等多個實例，完整地向讀者展示了實現機器學習應用的全流程。本書適合想要學習、了解TensorFlow和機器學習的讀者閱讀。如果讀者知道基本的機器學習概念，并對Python語言有一定的了解，那么能夠更加輕松地閱讀本書。

·7萬字

會員

移動機器人自主控制

移動機器人自主控制不僅是機器人領域的重要問題，也是人工智能研究中的熱點課題之一。本書首先系統介紹移動機器人的結構和特點，以及移動機器人自主控制的關鍵技術等內容；然后詳細研究人工智能理論與方法在移動機器人導航、路徑規劃、機器人視覺、環境感知、同步定位與建圖、多機器人協作等方面的具體解決思路，并給出實驗結果和分析；最后介紹移動機器人自主控制的進展。

·16.7萬字

會員

人工智能原理與實踐

人工智能的日益廣泛的應用和普及，而要深入理解人工智能，我們必須全面理解底層的各類機器學習算法基本原理并能駕馭人工智能各種應用。《人工智能原理與實踐》分為13章，前7章為原理篇。原理篇中，我們重點討論機器學習模型建模的全部流程，各類常用的機器學習算法原理，深度學習和強化學習原理，機器學習涉及的優化論原理，以及機器學習和自然語言處理技術。后面6章為實戰篇，我們重點討論信用卡場景中的客戶細分，保險行業中的生活事件時間序列預測，電商交易中欺詐客戶預測，信用卡和金融貸款場景中的風控預測，房價估值和預測，以及股市短期回報率預測等多個實際應用場景。《人工智能原理與實踐》理論知識覆蓋面廣而又保留了有價值的推導，特別適合在各個行業工作的數據科學從業者，在校學習的人工智能和數據科學專業學生，科技公司的管理者和決策者，以及人工智能的初學者和愛好者。

·15.9萬字

會員

深入理解XGBoost：高效機器學習算法與進階

本書主要介紹：XGBoost相關的機器學習基礎算法；XGBoost安裝編譯與簡單使用；XGBoost的實現原理與理論證明；XGBoost基于CPU多線程的實現以及分布式訓練方法；剖析XGBoost源碼，從代碼層面洞徹XGBoost的實現原理，以及XGBoost的應用與調優，通過典型示例為讀者提供使用參考，掌握實戰技能。通過閱讀本書，不僅能使讀者理解XGBoost的原理，將XGBoost應用到業務場景中，更能從源碼的角度深入學習XGBoost的并行化和分布式實現等優化技術，以更短的時間訓練出高準確度的模型，使XGBoost成為學習和工作中的一把利劍。

·16.2萬字

會員

強化學習：原理與Python實戰

本書從原理和實戰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，覆蓋資格跡等經典算法和MuZero等深度強化學習算法；實戰方面，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。采用數學語言推導強化學習的基礎理論，進而在理論的基礎上講解算法，并為算法提供配套代碼實現。基礎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實現和算法講解一一對應，還給出了深度強化學習算法的TensorFlow和PyTorch對照實現。第16章：介紹其他強化學習模型，包括平均獎勵模型、連續時間模型、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

人工智能技術基礎

《人工智能技術基礎》按照人工智能在不同領域的研究特點，通過專項應用來研究相關技術。全書分為11章，第1章介紹人工智能領域的基本概念，第2章說明Python語言編程工具的使用，第3章到第10章分別從應答機器人、物體識別、人臉識別、語音識別、視頻識別、生成對抗神經網絡、無人駕駛、區塊鏈和大數據等方面對人工智能從原理到實戰一步一步進行介紹，第11章提取了部分人工智能方面的面試題，供未來從事人工智能研究工作的讀者參考。無論讀者是否從事計算機相關專業的工作，有沒有過開發的經驗，是否熟悉Python語言，是否想要轉行從事相關的工作，均可通過《人工智能技術基礎》掌握編程的技巧和Python的基本技能。

·9.7萬字

會員

基于深度學習的道路短期交通狀態時空序列預測

這本書系統闡述了深度學習方法論在道路短期交通狀態時空序列預測領域的最新研究成果。需要著重說明以下幾點：1.領域限定在了道路交通，因為交通是個大系統，存在著航空、水運、道路等多種運輸方式，而本書所闡述的研究均是針對道路交通領域的數據以及面向道路交通領域的應用；2.本書所討論的研究問題是道路短期交通狀態時空序列預測問題，該問題是時空數據挖掘領域中時空預測問題的一個重要子集，在本書的第1章中將會對這個問題進行數學上的形式化定義；3.本書針對道路短期交通狀態時空序列預測問題的討論，完全是基于深度學習的方法論，所參考的文獻絕大部分發表于2017年以后，并不涵蓋前人對該研究問題所采用的全部方法論（如ARIMA，卡爾曼濾波、SVR等）。

·11.4萬字

會員

深度學習全書：公式+推導+代碼+TensorFlow全程案例

《深度學習全書——公式+推導+代碼+TensorFlow全程案例》共有15章，分為5部分，第一篇說明深度學習的概念，包括數理基礎，特點是結合編程解題，加深讀者印象，第二篇說明TensorFlow的學習地圖，從張量、自動微分、梯度下降乃至神經層的實踐，逐步解構神經網絡，第三篇介紹CNN算法、影像應用、轉移學習等，第四篇則進入自然語言處理及語音識別的領域，介紹RNN/BERT/Transformer算法、相關應用等，最后，介紹了強化學習的基礎知識，包括馬爾可夫決策過程、動態規劃、蒙特卡洛、QLearning算法，當然，還有相關案例實踐。

·16.8萬字

跳轉至頁

官术网_书友最值得收藏!

人工智能

分類

狀態

屬性

字數

更新時間

基于機器學習的數據缺失值填補：理論與方法