本書(shū)共11章，主要介紹機(jī)器學(xué)習(xí)的基本概念和兩大類(lèi)常用的機(jī)器學(xué)習(xí)模型，即監(jiān)督學(xué)習(xí)模型和非監(jiān)督學(xué)習(xí)模型。針對(duì)監(jiān)督學(xué)習(xí)模型，本書(shū)介紹了線性模型（線性回歸、Logistic回歸）、非線性模型（SVM、生成式分類(lèi)器、決策樹(shù)）、集成學(xué)習(xí)模型和神經(jīng)網(wǎng)絡(luò)模型及其訓(xùn)練；針對(duì)非監(jiān)督學(xué)習(xí)模型，本書(shū)講解了常用的降維技術(shù)（線性降維技術(shù)與非線性降

人工智能將引領(lǐng)一場(chǎng)比互聯(lián)網(wǎng)影響更為深遠(yuǎn)的科技革命，各領(lǐng)域的企業(yè)都需要盡早地將人工智能納入企業(yè)規(guī)劃路徑中。在人工智能革命的時(shí)代，企業(yè)應(yīng)如何應(yīng)對(duì)挑戰(zhàn)、如何調(diào)整企業(yè)發(fā)展方向，以及如何重塑企業(yè)運(yùn)營(yíng)模式和管理制度，從而在人工智能的浪潮中獲得機(jī)遇。作為個(gè)人，我們又應(yīng)如何面對(duì)未來(lái)人機(jī)協(xié)作的工作模式，如何在未來(lái)的工作環(huán)境中尋找適合自己

全書(shū)首先概要介紹了傳統(tǒng)語(yǔ)音識(shí)別理論和經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)核心算法。接著全面而深入地介紹了深度學(xué)習(xí)在語(yǔ)音識(shí)別中的應(yīng)用，包括"深度神經(jīng)網(wǎng)絡(luò)-隱馬爾可夫混合模型”的訓(xùn)練和優(yōu)化，特征表示學(xué)習(xí)、模型融合、自適應(yīng)，以及以循環(huán)神經(jīng)網(wǎng)絡(luò)為代表的若干先進(jìn)深度學(xué)習(xí)技術(shù)。

本書(shū)主要介紹一種機(jī)器學(xué)習(xí)算法——提升法，主要關(guān)注其基礎(chǔ)理論和算法，也兼顧了應(yīng)用。全書(shū)共14章，分為4個(gè)部分。首先給出機(jī)器學(xué)習(xí)算法及其分析的概要介紹，然后第一部分重點(diǎn)探究了提升法的核心理論及其泛化能力。第二部分主要介紹了有助于理解和解釋提升法的其他理論，包括基于博弈論的解釋、貪心算法、迭代投射算法，并與信息幾何學(xué)和凸優(yōu)化

本書(shū)全面且系統(tǒng)地介紹了機(jī)器學(xué)習(xí)測(cè)試技術(shù)與質(zhì)量體系建設(shè)，分為5部分，共15章。第一部分（第1～4章）涵蓋了機(jī)器學(xué)習(xí)、Python編程、數(shù)據(jù)分析的基礎(chǔ)知識(shí)；第二部分（第5～7章）介紹了大數(shù)據(jù)基礎(chǔ)、大數(shù)據(jù)測(cè)試指南及相關(guān)工具實(shí)踐；第三部分（第8～10章）講解了機(jī)器學(xué)習(xí)測(cè)試基礎(chǔ)、特征專(zhuān)項(xiàng)測(cè)試及模型算法評(píng)估測(cè)試；第四部分（第11～

本書(shū)分為3部分，分別是綜述篇、通用技術(shù)篇和行業(yè)應(yīng)用篇。綜述篇介紹了現(xiàn)階段人工智能產(chǎn)品發(fā)展情況和人工智能政策環(huán)境。通用技術(shù)篇精心挑選10個(gè)以研發(fā)底層技術(shù)為核心競(jìng)爭(zhēng)力的企業(yè)的產(chǎn)品，詳細(xì)介紹了它們的實(shí)現(xiàn)思路以及現(xiàn)階段應(yīng)用。行業(yè)應(yīng)用篇共有24個(gè)案例，主要匯集了人工智能技術(shù)與實(shí)體經(jīng)濟(jì)結(jié)合的應(yīng)用案例，重點(diǎn)關(guān)注人工智能技術(shù)的應(yīng)用場(chǎng)景

機(jī)器學(xué)習(xí)是一門(mén)多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、矩陣論、神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)等多門(mén)學(xué)科。其目標(biāo)是模擬人類(lèi)的學(xué)習(xí)活動(dòng)，從數(shù)據(jù)中獲取知識(shí)和技能，重新組織已有的知識(shí)結(jié)構(gòu)，從而不斷改善系統(tǒng)性能。本書(shū)共9項(xiàng)目。項(xiàng)目1介紹機(jī)器學(xué)習(xí)基礎(chǔ)，概要介紹機(jī)器學(xué)習(xí)的發(fā)展簡(jiǎn)史和一般步驟，以及本書(shū)涉及的方法和算法；項(xiàng)目2項(xiàng)目7討論k近鄰算法、線性回

本書(shū)全面系統(tǒng)地闡述了人工智能的基本原理，勾畫(huà)了人工智能理論和技術(shù)體系的基本框架，內(nèi)容涵蓋了人工智能各個(gè)分支領(lǐng)域的基本知識(shí)和主要內(nèi)容，并體現(xiàn)了人工智能的最新進(jìn)展。本書(shū)內(nèi)容全面、基礎(chǔ)、新穎、實(shí)用，為讀者進(jìn)一步學(xué)習(xí)和研發(fā)奠定了基礎(chǔ)，指引了方向。全書(shū)共分為六篇，每篇為一個(gè)知識(shí)單元。本書(shū)結(jié)構(gòu)風(fēng)格獨(dú)特，條理清楚，語(yǔ)言精練，圖文并茂

本書(shū)主要介紹如何應(yīng)用Tensorflow來(lái)實(shí)現(xiàn)深度學(xué)習(xí)的架構(gòu)與應(yīng)用。全書(shū)從tensorflow的基本語(yǔ)法，基礎(chǔ)教程、高級(jí)工具以及進(jìn)階教程來(lái)對(duì)深度學(xué)習(xí)的理論與技術(shù)進(jìn)行深入分析與講解，并提供大量的案例從零開(kāi)始教會(huì)讀者如何使用深度學(xué)習(xí)進(jìn)行開(kāi)發(fā)以及應(yīng)用。本書(shū)主要介紹如何應(yīng)用Tensorflow來(lái)實(shí)現(xiàn)深度學(xué)習(xí)的架構(gòu)與應(yīng)用。全書(shū)從

本書(shū)分為14章,涵蓋的主要內(nèi)容有人工智能的發(fā)展;開(kāi)發(fā)環(huán)境的部署與使用;TensorFlow2.0框架結(jié)構(gòu)及基本函數(shù)使用;神經(jīng)網(wǎng)絡(luò)的發(fā)展與基本結(jié)構(gòu);圖像處理;TensorFlow2.0可視化工具TensorBoard;普通神經(jīng)網(wǎng)絡(luò)曲線擬合;普通神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)MNIST手寫(xiě)字體識(shí)別;圖像風(fēng)格遷移;小型汽車(chē)車(chē)牌識(shí)別;