出现在书名中的结果
共 9 条
Python与机器学习
机器学习技术被广泛应用于大数据分析、智能驾驶、计算机视觉等领域，并加速改变我们的生活。该书以掌握一定的Python语言基础为前提，从具体的精简案例切入，由浅入深、循序渐进地介绍机器学习在不同业务领域中的应用，内容上注重实用性和可操作性。该书具体涵盖了机器学习、监督学习、无监督学习、数据分析与人工智能应用等基本知识和相应技能。 《Python与机器学习》可作为大数据、人工智能、电子商务、软件技术等专业的高职学生和应用型本科学生机器学习、数据分析的入门教材，也可作为Python提高教程，为机器学习方法的深入解读奠定基础。此外，该书还可作为工程技术人员学习与实践的参考书。
Python极简讲义：一本书入门数据分析与机器学习
37人今日阅读 推荐值 86.2%
本书以图文并茂的方式介绍了Python的基础内容，并深入浅出地介绍了数据分析和机器学习领域的相关入门知识。 第1章至第5章以极简方式讲解了Python的常用语法和使用技巧，包括数据类型与程序控制结构、自建Python模块与第三方模块、Python函数和面向对象程序设计等。第6章至第8章介绍了数据分析必备技能，如NumPy、Pandas和Matplotlib。第9章和第10章主要介绍了机器学习的基本概念和机器学习框架sklearn的基本用法。 对人工智能相关领域、数据科学相关领域的读者而言，本书是一本极简入门手册。对于从事人工智能产品研发的工程技术人员，本书亦有一定的参考价值。
37
机器学习算法的数学解析与Python实现
12人今日阅读 推荐值 82.8%
学习机器学习的动机很多，可能是实际工作需要，可能是兴趣爱好，也可能是学业要求，从每种动机的角度看，这个问题都可能有不同的答案。我认同许多人所说的求知不能太功利这一观点，不过大家的时间和精力毕竟有限，就算不去追求投入产出比，至少也应该有一个学这门知识想要达到的目的。机器学习是更偏重于应用的学问，在当下的发展也确实使得机器学习越来越像一门技能，而不仅仅是技术。初学算法时我最想学的是里面的“最强算法”，不过在第1章我将介绍，机器学习算法没有最强的，只有最合适的，对于不同的问题，对应会有不同的最合适算法。所以，我们更需要关注的应该是问题，而不是算法本身。在本书中我选择介绍市面上成熟的机器学习算法包，通过现成的算法包，就能够根据实际要解决的问题直接选择所需要的机器学习算法，从而把注意力集中在对不同算法的选择上。本书的目标读者是想要学习机器学习的学生、程序员、研究人员或者爱好者，以及想要知道机器学习是什么、为什么和怎么用的所有读者。本书第1章介绍机器学习总体背景，第2章介绍配置环境，第3章到第10章彼此独立，每一章介绍一种具体的机器学习算法，读者可以直接阅读想要了解的算法，第11章介绍了集成学习方法，这是一种组合机器学习算法的方法，也是当前在实际使用中常见又十分有效的提升性能的做法。
12
跟着迪哥学Python数据分析与机器学习实战
3人今日阅读 推荐值 76.3%
本书结合了机器学习、数据分析和Python语言，通过案例以通俗易懂的方式讲解了如何将算法应用到实际任务。全书共20章，大致分为4个部分。第一部分介绍了Python的工具包，包括科学计算库Numpy、数据分析库Pandas、可视化库Matplotlib；第2部分讲解了机器学习中的经典算法，例如回归算法、决策树、集成算法、支持向量机、聚类算法等；第3部分介绍了深度学习中的常用算法，包括神经网络、卷积神经网络、递归神经网络；第4部分是项目实战，基于真实数据集，将算法模型应用到实际业务中。本书适合对人工智能、机器学习、数据分析等方向感兴趣的初学者和爱好者。
3
零基础入门Python数据分析与机器学习
1人今日阅读
本书由一线的资深数据分析师精写，以新版Python 3.10作为数据分析与挖掘的编程语言，循序渐进地介绍了Python数据分析的方法与技巧以及机器学习算法及其应用案例。全书首先讲解Python基础语法，以便于从未接触过编程的读者能够快速上手，然后介绍了当前流行的常用数据分析工具，如数值计算工具NumPy、数据处理工具Pandas、数据可视化工具Matplotlib和数据挖掘工具Sklearn等，最后介绍了10大常用机器学习算法及其在数据挖掘中的应用，针对每一个算法均给出了案例实现，以便于读者能够学有所用。 本书凝聚编者十余年工作心得，以丰富实例介绍理论知识，并给出大量应用实践，很适合初入数据分析职场的从业者提升技能，本书也可以作为统计学、数学、经济学、金融学、管理学以及相关理工科专业的本科生、研究生的教学参考书。
1
Python机器学习与量化投资
1人今日阅读 推荐值 46.6%
本书采用生动活泼的语言，从入门者的角度，讲解了Python语言和sklearn模块库内置的各种经典机器学习算法；介绍了股市外汇、比特币等实盘交易数据在金融量化方面的具体分析与应用，包括对未来股票价格的预测、大盘指数趋势分析等。简单风趣的实际案例让广大读者能够快速掌握机器学习在量化分析方面的编程，为进一步学习金融科技奠定扎实的基础。
1
Python机器学习算法: 原理、实现与案例
1人今日阅读 推荐值 72.6%
本书用平实的语言深入浅出地介绍当前热门的机器学习经典算法，包括线性回归、Logistic回归与Softmax回归、决策树（分类与回归）、朴素贝叶斯、支持向量机、K近邻学习、K-Means和人工神经网络，针对每一个算法首先介绍数学模型及原理，然后根据模型和算法描述使用Python编程和Numpy库进行算法实现，最后通过案例让读者进一步体会算法的应用场景以及应用时所需注意的问题。本书适合准备进入人工智能和数据分析与挖掘领域的初学者，对机器学习算法感兴趣的爱好者、程序员、大学生和各类IT培训班的学员使用。
1
Python预测分析与机器学习
1人今日阅读
本书从理解问题定义、了解数据内的高层信息、数据清理、视化数据，到基础建模、模型优化，分享一个数据分析师的视角与思路。在预测分析的流程中，一步步用详细的图文代码讲解使用到的库，如何正确使用各个库中的方法和函数，以及在遇到类似的问题时如何套用学过的知识。本书共8章。第1章对预测分析的流程进行一个高层次的概述。第2章介绍本书需要安装使用的库，并讲解数据清理步骤的执行。第3章讲解基础建模需考虑的细节，结合第4章的模型选择，可以搭建一个基础的预测管道。第5章和第6章分别从模型和数据的角度讲解如何优化预测表现。第7章讲解时间序列这一特殊数据的预测方法。最后，第8章总结全书学习到的内容，解决一个实战问题。本书面向3类读者。第1类，有编程基础但毫无数据科学背景，有意入门的读者；第2类，有数据科学理论基础，有意进入实操的读者，如刚毕业没有业界经验的学生；第3类，有数据科学理论基础与实操经验，但日常工作集中在数据分析管道中的数据分析师。
1
Python机器学习原理与算法实现
1人今日阅读
数字化转型背景下，Python作为一门简单、易学、速度快、免费、开源的主流编程语言，广泛应用于大数据处理、人工智能、云计算等各个领域，是众多高等院校学生的必修基础课程，也是堪与Office办公软件应用比肩的职场人士的必备技能。同时随着数据存储、数据处理等大数据技术的快速进步，机器学习的各种算法在各行各业得以广泛应用，同样成为高校师生、职场人士迎接数字化浪潮、与时俱进提升专业技能的必修课程。本书将“Python课程学习”与“机器学习课程学习”有机结合，推动数字化人才的培养，提升人才的实践应用能力。 全书内容共17章。第1、2章介绍Python的入门知识和进阶知识；第3章介绍机器学习的概念及各种术语及评价标准；第4~10章介绍相对简单的监督式学习方法，包括线性回归算法、二元Logistic回归算法、多元Logistic回归算法、判别分析算法、朴素贝叶斯算法、高维数据惩罚回归算法、K近邻算法；第11、12章介绍主成分分析算法、聚类分析算法两种非监督式学习算法；第13~15章介绍相对复杂的监督式学习算法，包括决策树算法和随机森林算法、提升法两种集成学习算法；第16、17章介绍支持向量机算法、神经网络算法两种高级监督式学习算法。 本书可以作为经济学、管理学、统计学、金融学、社会学、医学、电子商务等相关专业的学生学习Python或机器学习应用的专业教材、参考书；也可以作为企事业单位数字化人才培养的教科书、工具书，还可以作为职场人士自学掌握Python机器学习应用、提升数据挖掘分析能力进而提高工作效能和改善绩效水平的工具书。
1
Python数据挖掘与机器学习实战
本书作为数据挖掘入门读物，基于真实数据集进行案例实战，使用Python数据科学库，从数据预处理开始一步步介绍数据建模和数据挖掘的过程。主要介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，带领读者轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式，呈现了如何使用逻辑回归进行环境数据检测，如何使用HMM进行中文分词，如何利用卷积神经网络识别雷达剖面图，如何使用循环神经网络构建聊天机器人，如何使用朴素贝叶斯算法进行破产预测，如何使用DCGAN网络进行人脸生成等。本书也涉及神经网络、在线学习、强化学习、深度学习、大数据处理等内容。 本书适合对传统数据挖掘和机器学习算法开发感兴趣的读者阅读，也适合需要系统掌握深度学习的开发人员阅读。
Python高手修炼之道：数据处理与机器学习实战
本书系统介绍了如何入门Python并利用Python进行数据处理与机器学习实战。本书从Python的基础安装开始介绍，系统梳理了Python的入门语法知识，归纳介绍了图像处理、数据文件读写、数据库操作等Python基本技能；然后详细讲解了NumPy、Matplotlib、Pandas、Scipy、Scikit-learn等在数据处理、机器学习领域的应用。代码实例涵盖网络爬虫、数据处理、视觉识别、机器学习等应用领域。作者还精心创作了语感训练100题、Python内置函数（类）手册、从新手到高手的100个模块等内容，以帮助读者更好地学习并掌握Python这一工具。
Python机器学习算法与应用
本书理论与实践相结合，详细阐述机器学习数据特征与分类算法，基于Python3精心编排大量的机器学习场景与开源平台应用，高效利用Python3代码翔实地阐释机器学习核心算法及其工具的场景应用。
机器学习与深度学习（Python版·微课视频版）
本书以任务为导向，讨论了机器学习和深度学习的主要问题，包括聚类、回归、分类、标注、降维、特征工程、超参数调优、序列决策（强化学习）和对抗攻击等。书中对上述每个问题，分别从决策函数类模型、概率类模型和神经网络类模型三个角度来讨论具体的实现算法。本书在内容上兼顾基础知识和应用实践。总体上，以基本理论知识为主线，逐步展开，从概念入手，逐步讨论算法思想，着重考虑知识的关联性，最后落实到机器学习扩展库和深度学习框架的具体应用。具体到每个模型，采用以示例入手、逐渐深入的方式，尽量给出详尽的分析或推导。本书的特点是主要通过示例来讨论相关模型，适合初学者入门使用。本书示例代码采用Python3程序设计语言编写。传统机器学习算法的应用示例主要以ScikitLearn机器学习扩展库来实现，隐马尔可夫模型示例用hmmlearn扩展库来实现，条件随机场模型示例用CRF++工具来实现。深度学习算法的示例采用TensorFlow2框架和MindSpore框架来实现。
Python机器学习编程与实战
本书采用常用技术与真实案例相结合的讲解方式，深入浅出地介绍了Python机器学习应用的主要内容。全书共8章，内容包括Python概述、NumPy数值计算、pandas基础、pandas进阶、Matplotlib绘图、scikit-learn、餐饮企业综合分析与预测、通信运营商客户流失分析与预测。前6章设置了选择题、填空题和操作题，后两章设置了操作题，希望通过练习和操作实践，读者可以巩固所学的内容。 本书可以作为高校大数据或人工智能专业的教材，也可作为机器学习爱好者的自学用书。
机器学习原理与Python实践
全书共分为3个部分：第一部分对机器学习进行入门级别的介绍。第一章通过对机器学习基本概念的讲解，帮助读者从概念原理上补充知识性的认识。第二章结合简单具体的案例，采用线性回归模型带领读者认识机器学习的整体过程，从而帮助读者在实践层面有大纲性认知。第三章对机器学习的实践工具进行介绍，包括Python的使用和相关软件的安装。第四章通过介绍机器学习云平台，使得读者在现有认识的基础上扩充视野。 第二部分将机器学习解决具体问题的步骤拆分成一个个具体章节进行介绍，其中第五章主要介绍了模型训练的数学算法原理。第六、七章介绍了数据预处理方法。第八章至第十一章分别采用原理介绍、项目实践的方式，介绍常见的机器学习模型：贝叶斯模型、广义线性回归、支持向量机、决策树。第十二章、第十三章，采用同样的教学方式，介绍了常用的神经网络模型如多层感知器、卷积神经网络等和集成学习模型。第十四章介绍了机器学习模型的正则化原理。第十五章在现有内容的基础上，更加详细和全面地介绍了机器学习模型的评价指标。第十六章则介绍了无监督学习的常见算法，如Kmeans聚类、高斯混合模型、谱聚类、DBSCAN等。 第三部分则通过实用的科研项目，加深读者的知识沉淀和应用技能。书中考虑采用实际问题的“行人检测项目”、“餐厨垃圾处理的指标预测”作为教学项目。 本书对标国外计算机黑皮书系列教材，其定位是结合原理和实践的科研教学书籍，旨在讲解机器学习知识以及深度学习基础知识。书中每章结尾均安排辅助训练题，同时给出答案和解题代码，以便读者加深课程知识。
Python大数据与机器学习实战
随着整个社会信息化、智能化进程的发展，人工智能和大数据技术已成为IT行业的发展趋势，而技术的高速发展和需求的不断增加也产生了巨大的人才缺口。本书致力于系统地阐释Python大数据和机器学习技术，从数据的采集、存储、清洗，到建立模型、统计分析，最终用前端程序呈现给用户数据展示以及后台的系统服务支持。本书结合了Python数据工具使用、算法原理以及典型实例各个层面，希望读者通过阅读本书，少走弯路，以最小的学习成本获得最大的知识收益。
Python机器学习算法与实战
本书基于Python语言，结合实际的数据集，介绍如何使用机器学习与深度学习算法，对数据进行实战分析。本书在内容上循序渐进，先介绍了Python的基础内容，以及如何利用Python中的第三方库对数据进行预处理和探索可视化的相关操作，然后结合实际数据集，分章节介绍了机器学习与深度学习的相关算法应用。本书为读者提供了源程序和使用的数据集，方便读者在阅读时同步运行程序，在增强学习效果的同时为读者节省了编写程序的时间。源程序使用Notebook的形式进行组织，每个小节注释清晰，讲解透彻。同时为程序配备了相应的视频讲解，辅助读者对程序能很好地理解和消化。本书在简明扼要地介绍算法原理的同时，更加注重实战应用和对结果的解读。
人脸识别与美颜算法实战：基于Python、机器学习与深度学习
本书将传统的图像处理技术、机器学习时代的图像技术，到目前炙手可热的深度学习时代的图像处理技术融汇贯通起来。生动的结合了目前热门的应用，以抖音、美颜相机、手机自带的滤镜和美颜功能为切入点，专注于人脸图像的各种处理，大量实际案例，带领读者与一线AI图像算法工程师在项目实践中的如何设计算法流程，如何优化算法逻辑，如何将算法应用到实际的场景中。另外本身的最后一章，深扒了目前抖音、美颜相机、天天P图、淘宝、京东等APP里面图像技术的应用场景以及实现原理，提纲挈领的概述了电商、娱乐、金融、安防这四大领域中应用的AI+图像技术实现思路。让读者可以对整个中国AI+图像的应用现状以及前景有直观的认知。
Python机器学习：数据分析与评分卡建模（微课版）
本书从零基础入门，注重实战，内含10个学习实例，3个完整的项目案例，详细讲解了Python的环境搭建、基本语法结构、趣味应用、分析与建模以及完整的项目案例。全书采用视频教学，全程语音讲解的方式，配有270分钟高品质配套教学视频；教学资源丰富，提供教学课件、源代码、数据集。本书适用于互联网金融行业或银行业中的风控人员及学者；金融行业中的数据分析师及学者；正在学习Python机器学习方面的人员。
Python机器学习入门与实战
本书以零基础讲解为特色，用实例引导读者学习，深入浅出地介绍Python机器学习的相关知识和实战技能。 全书共17章，分为5篇。第Ⅰ篇为机器学习入门篇，包含第1章，主要介绍机器学习的概念、机器学习研究的主要任务、如何选择合适的算法及机器学习研究问题的一般步骤等；第Ⅱ篇为工具模块使用篇，包含第2~4章，主要介绍数组计算NumPy、数据分析Pandas、图形展示Matplotlib等；第Ⅲ篇为专业技能提升篇，包含第5~13章，主要介绍算法综述、决策树、朴素贝叶斯、逻辑回归、支持向量机、AdaBoost、线性回归、k-means、PCA等；第Ⅳ篇为深度学习延伸篇，包含第14章，主要介绍卷积神经网络；第Ⅴ篇为项目技能实战篇，包含第15~17章，主要介绍验证码识别、答题卡识别、机器学习简历指导等。同时，本书随书赠送了大量相关的学习资料，以便读者扩展学习。 本书适用于任何想学习Python机器学习的读者。无论读者是否从事Python相关工作，是否接触过Python，均可通过学习本书快速掌握Python机器学习的开发方法和技巧。
Python机器学习与可视化分析实战
使用机器学习进行数据可视化分析是近年来研究的热点内容之一。本书使用**的Python作为机器学习的基本语言和工具，从搭建环境开始，逐步深入到理论、代码、应用实践中去，从而使初学者能够独立使用机器学习完成数据分析。本书配套示例代码、PPT课件和答疑服务。 本书分为10章，内容包括：机器学习与Python开发环境、用于数据处理及可视化展示的Python类库、NBA赛季数据可视化分析、聚类算法与可视化实战、线性回归与可视化实战、逻辑回归与可视化实战、决策树算法与可视化实战、基于深度学习的酒店评论情感分类实战、基于深度学习的手写体图像识别实战、TensorFlow Datasets和TensorBoard训练可视化。 本书内容详尽、示例丰富，是机器学习初学者的入门书和必备的参考书，也可作为高等院校计算机及大数据相关专业的教材使用。
机器学习算法入门与编程实践（基于Python·微课视频版）
本书对机器学习算法的基本原理和Python程序实现进行了系统的介绍，每种算法都采用Sklearn程序实现并用Matplotlib进行数据可视化。为了帮助读者更加高效、直观地学习，作者为本书录制了13个微课视频，读者可以用手机扫描书中的二维码进行观看，也可以将视频下载后进行观看。 本书共8章，包括机器学习概述、Python机器学习与可视化、关联规则与推荐算法、聚类算法、分类算法、回归与逻辑回归、人工神经网络、支持向量机等内容。 本书可以作为高等院校机器学习和人工智能概论等课程的教材，也可作为机器学习算法入门读者的自学用书，还可以作为人工智能等领域机器学习研究者和应用人员的参考书。
编程改变生活——用Python提升你的能力（进阶篇·微课视频版）
本书以Python的实际应用为主线，以理论基础为核心，引导读者渐进式学习python的编程基础和实际应用。学习Python的目的不是为了编程而编程，而是为了解决实际的问题。在掌握Python编程的基础知识后，Python可以帮助我们解决学习和工作中的实际问题，比如处理Excel表格、处理PPT文件、操作图像、操作数据库、爬取网页等 本书共11章，分为办公自动化篇、网络应用、GUI编程篇、其它应用篇。办公自动化篇（第1～4章）讲述使用Python处理Excel表格、PPT文件、图像、时间、日期、多线程。网络应用篇（第5~9章）讲述了使用Python处理数据库、爬取网页数据、网络安全方面的应用。GUI编程编（第10～11章）主要讲述了Python在开发GUI程序的两个框架：标准库Tkinter和第三方库wxPython。其它应用篇介绍了Python在处理大问题时的应用。本书示例代码丰富，实用性和系统性较强，并配有视频讲解，助力读者透彻理解书中的重点、难点。 本书既适合初学者入门，精心设计的案例对于工作多年的开发者也有参考价值，并可作为高等院校和培训机构相关专业的教学参考书。这本书是进阶篇，相比较基础篇难度有所增加。
Python 网络爬虫从入门到精通
《Python 网络爬虫从入门到精通》的主旨是介绍如何结合Python进行网络爬虫程序的开发，从Python语言的基本特性入手，详细介绍了Python网络爬虫开发的各个方面，涉及HTTP、HTML、JavaScript、正则表达式、自然语言处理、数据科学等不同领域的内容。全书共15章，包括Python基础知识、网站分析、网页解析、Python文件读写、Python与数据库、AJAX技术、模拟登录、文本与数据分析、网站测试、Scrapy爬虫框架、爬虫性能等多个主题。本书内容覆盖网络抓取与爬虫编程中的主要知识和技术，在重视理论基础的前提下，从实用性和丰富性出发，结合实例演示了爬虫编写的核心流程。 《Python 网络爬虫从入门到精通》适合Python语言初学者、网络爬虫技术爱好者、数据分析从业人士以及高等院校计算机科学、软件工程等相关专业的师生阅读。
国际经济与贸易专业导论（第2版）
本书是一部专门为大学新生进入国际经济与贸易专业学习而编写的入门教材。对国际经济与贸易学科发展的历史和现状、专业知识体系、教学安排和专业人才培养等内容进行综合介绍，帮助新生在本专业资深教师的讲解过程中尽快熟悉本专业的学科背景，明确大学阶段专业学习和研究的努力方向。本教材定位于医药院校的国际经济与贸易专业使用，针对性强。国际经济与贸易研究属应用经济学,本书可引导学生关注学术前沿动态,有学术价值。 本书是一部专门为大学新生进入国际经济与贸易专业学习而编写的入门教材。对国际经济与贸易学科发展的历史和现状、专业知识体系、教学安排和专业人才培养等内容进行综合介绍，帮助新生在本专业资深教师的讲解过程中尽快熟悉本专业的学科背景，明确大学阶段专业学习和研究的努力方向。本教材定位于医药院校的国际经济与贸易专业使用，针对性强。国际经济与贸易研究属应用经济学,本书可引导学生关注学术前沿动态,有学术价值。
Python网络爬虫技术与实践
本书介绍如何使用Python语言进行网络爬虫程序的开发，从Python语言的基本特性入手，详细介绍了Python爬虫程序开发的各个方面，包括HTTP、HTML、JavaScript、正则表达式、自然语言处理、数据科学等不同领域的内容。全书共14章，分为基础篇、进阶篇、提高篇和实战篇四个部分，内容覆盖网络抓取与爬虫编程中的主要知识和技术。同时，本书在重视理论基础的前提下，从实用性和丰富度出发，结合实例演示了编写爬虫程序的核心流程。 本书适合Python语言初学者、网络爬虫技术爱好者、数据分析从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。
写作如此简单：撰写技巧、自媒体运营、个人品牌打造
1人今日阅读 推荐值 59.1%
在人工智能技术日益发达的现在，很多常规工作都可以被机器人替代，之后能保留的，是人与人的连接，珍贵的能力将是写作、演讲和沟通；而写作是其他两个能力的基础，它能让人逻辑清晰，引人深度思考。《写作如此简单》是作者的写作经验总结，一共11章，包括轻松开始自媒体写作、冲破阻碍持续写作、如何找到写作素材、如何取爆款文章标题、如何搭建爆款文章结构、如何写爆款文章的开头和结尾、如何练成好文笔、如何讲好一个故事、畅销书养成策略、微博涨粉与粉丝运营、微博大V养成策略等内容。《写作如此简单》能全方位地提高你的写作能力，而且是公开写作能力，让你可以把文章展现在千万人面前。如此，你将可以通过写作反思自己、结交朋友、扩展人脉，或者开辟第2职业。《写作如此简单》适合大学生、公司白领、营销人员、企业老板等学习、使用。
1
Python人工智能编程实践
1人今日阅读
本书在不涉及大量数学与编程知识的前提下，从零开始，逐步带领读者熟悉并掌握当下***的基于Python 3的人工智能编程工具，包括但不限于数据分析（Pandas），以及支持单机（Scikitlearn）、深度（PyTorch、TensorFlow、PaddlePaddle）和分布式（PySparkML）机器学习的开源程序库，等等。 全书共分为4部分，分别如下。 （1） 入门篇： 包括对全书核心概念的指南性介绍，以及如何在多种主流PC操作系统上（如Windows、macOS和Ubuntu）配置基本编程环境的详细说明。 （2） 基础篇： 涵盖了Python 3.11的编程基础、基于Pandas 2.0的数据分析，以及使用Scikitlearn 1.3解决大量经典的单机（单核/多核）机器学习问题。 （3） 进阶篇： 介绍如何使用PyTorch 2.0、TensorFlow 2.12，以及PaddlePaddle 2.5，分别搭建多种深度学习神经网络框架。尝试基于PySpark 3.4的ML编程库完成一些常见的分布式机器学习任务。 （4） 实践篇： 利用全书所讲授的Python编程、数据分析，以及（单机、深度、分布式）机器学习知识，从事Kaggle多种类型的竞赛实战。同时，介绍如何使用Git工具，在Gitee与GitHub平台上更新和维护自己的日常代码与编程项目。 综上，本书面向所有对人工智能领域感兴趣的读者，特别适合从事数据挖掘、机器学习、计算机视觉、自然语言处理等相关技术研发和应用实践的初学者。
1
PaddlePaddle深度学习实战
本书由百度旗下“深度学习技术及应用国家工程实验室”、百度技术学院联合北航人工智能专家共同撰写，行业实践与学术理论兼顾。百度公司总裁张亚勤博士、李德毅院士、百度高级副总裁/AI技术平台体系总负责人王海峰博士等行业领袖重点推荐。PaddlePaddle凭借上手容易、运行效率高、支持私有云等优势，受到越来越多的公司和个人开发者的青睐。本书从实战角度出发，旨在帮主读者掌握在真实的生产环境中需要的开发技能。本书既详细描述了神经网络的各个细节，也深入讲解了算法性能优化的思路和技巧，旨在帮助读者深入理解深度学习的精髓。
飞桨PaddlePaddle深度学习实战
内容简介 本书由百度官方出品，百度公司CTO王海峰博士作序，张钹院士、李未院士、百度集团副总裁吴甜联袂推荐。 本书遵循“内容全面、由浅入深、注重实践”的原则，基于飞桨PaddlePaddle深度学习平台，较为全面地覆盖了学习深度学习技术所必须具备的基础知识以及深度学习主要核心技术，包括相关的数学基础、Python编程基础、机器学习基础以及正向/反向传播算法、卷积神经网络、循环神经网络等，尽量做到读懂一本书即可达到“零基础”到“全精通”。 在章节安排上，考虑读者的特点和认知规律，在知识架构和案例穿插的设计上确保循序渐进、由浅入深。同时，本书提供了大量的深度学习实战案例，覆盖了当前计算机视觉、自然语言处理、个性化推荐等领域主流应用典型的算法，每章都单独配以飞桨代码实现，详细解析实操过程，手把手引导读者开展实践练习、深入掌握相关知识。 本书提供配套代码合集，详情请访问https://aistudio.baidu.com/aistudio/projectdetail/518424。