使用機(jī)器學(xué)習(xí)技術(shù)解決實(shí)際應(yīng)用問(wèn)題涉及模型的建立、訓(xùn)練及評(píng)估等步驟。優(yōu)化算法常被用于訓(xùn)練模型的參數(shù)，是機(jī)器學(xué)習(xí)的重要組成部分。機(jī)器學(xué)習(xí)模型的訓(xùn)練可以建模成無(wú)約束優(yōu)化問(wèn)題或帶約束優(yōu)化問(wèn)題，約束可以為模型增加更多的先驗(yàn)知識(shí)�；�于梯度的算法（例如加速梯度法、隨機(jī)梯度法等）是求解無(wú)約束優(yōu)化問(wèn)題的常用方法，而交替方向乘子法（ADM

本書系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡(luò)的主要理論和設(shè)計(jì)基礎(chǔ)，給出了大量應(yīng)用實(shí)例，旨在使讀者了解神經(jīng)網(wǎng)絡(luò)的發(fā)展背景和研究對(duì)象，理解和熟悉其基本原理和主要應(yīng)用，掌握其結(jié)構(gòu)模型和基本設(shè)計(jì)方法，為以后的深入研究和應(yīng)用開(kāi)發(fā)打下基礎(chǔ)。全書共分為10章，第1、2章介紹了神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史、基本特征與功能、應(yīng)用領(lǐng)域及基礎(chǔ)知識(shí)，第3~10章展開(kāi)介

本書系統(tǒng)介紹了機(jī)器學(xué)習(xí)常用算法及其應(yīng)用，在深入分析算法原理的基礎(chǔ)上，結(jié)合當(dāng)前熱門應(yīng)用場(chǎng)景，向讀者展現(xiàn)了機(jī)器學(xué)習(xí)算法的綜合應(yīng)用，帶領(lǐng)讀者進(jìn)入機(jī)器學(xué)習(xí)領(lǐng)域，開(kāi)啟人工智能行業(yè)的大門。全書共21章，分為3部分。第1部分介紹機(jī)器學(xué)習(xí)基礎(chǔ)算法，包括線性回歸、多項(xiàng)式回歸、邏輯回歸、k-NN、決策樹、k-Means、SVM、隨機(jī)森林、

本書分四章：自然語(yǔ)言基礎(chǔ)、自然語(yǔ)言理解、序列建模、語(yǔ)音識(shí)別。內(nèi)容包括：文本的表示和分詞、文本特征表示、詞性分析及命名實(shí)體識(shí)別、詞空間和詞空間的可視化、基于主題的宋詞創(chuàng)作、宋詞的主題分析、宋詞的派別分類、宋詞的推薦等。

本書較全面地介紹了目前人工智能的主流概念、理論、方法、技術(shù)及應(yīng)用等內(nèi)容。全書共4個(gè)項(xiàng)目，首先介紹了智能和人工智能的定義與類型、研究?jī)?nèi)容、發(fā)展歷程，以及人工智能與大數(shù)據(jù)的關(guān)系：然后介紹了人工智能在人才、安全、倫理、法律等方面面臨的種種問(wèn)題與對(duì)策；而后介紹了包括語(yǔ)音識(shí)別技術(shù)、人體識(shí)別技術(shù)、圖文識(shí)別技術(shù)、機(jī)器視覺(jué)技術(shù)、自然語(yǔ)

本書設(shè)計(jì)了七章內(nèi)容,第一至三章介紹人工智能的概念及基本的技術(shù)原理。第四至六章介紹人工智能技術(shù)在視覺(jué)、語(yǔ)音和自然語(yǔ)言處理中的應(yīng)用,第七章介紹利用系統(tǒng)工程設(shè)計(jì)方法設(shè)計(jì)實(shí)現(xiàn)人工智能產(chǎn)品。每章由人工智能產(chǎn)品體驗(yàn)、人工智能技術(shù)原理描述、人工智能技術(shù)實(shí)現(xiàn)實(shí)驗(yàn)、人工智能應(yīng)用方案設(shè)計(jì)實(shí)驗(yàn)和人工智能的發(fā)展與應(yīng)用等部分組成。

本書介紹深度學(xué)習(xí)領(lǐng)域先進(jìn)的技術(shù)以及深度學(xué)習(xí)在主要的自然語(yǔ)言處理任務(wù)中的成功應(yīng)用，包括語(yǔ)音識(shí)別和理解、對(duì)話系統(tǒng)、語(yǔ)義分析、句法分析、知識(shí)圖譜、機(jī)器翻譯、問(wèn)答、情感分析、社會(huì)計(jì)算和基于圖像的自然語(yǔ)言生成。本書對(duì)深度學(xué)習(xí)時(shí)代自然語(yǔ)言處理領(lǐng)域的不同研究前沿進(jìn)行了概括與分析，還列舉了深度學(xué)習(xí)與自然語(yǔ)言處理領(lǐng)域中交叉的技術(shù)性術(shù)語(yǔ)以

本書主要內(nèi)容包括機(jī)器學(xué)習(xí)緒論、Python基礎(chǔ)知識(shí)、模型評(píng)估及模型、機(jī)器學(xué)習(xí)及神經(jīng)網(wǎng)絡(luò)、MNIST識(shí)別及圖像分類。

本書是一本MLOps的綜合指南,詳細(xì)介紹了DevOps和MLOps的理論和實(shí)踐,包括如何創(chuàng)建持續(xù)集成和持續(xù)交付、Kaizen(即對(duì)所有事物進(jìn)行持續(xù)改進(jìn)的想法)等,還介紹了基于云的MLOps,以及MLOps的關(guān)鍵技術(shù)領(lǐng)域,包括AutoML、容器、邊緣計(jì)算和模型可移植性。本書最后還介紹了一些真實(shí)案例研究,并介紹執(zhí)行MLOp

本書知識(shí)全面、實(shí)用,共10章,內(nèi)容包括深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ),深度學(xué)習(xí)基礎(chǔ)模型(全連接網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、Transformer等)和實(shí)現(xiàn),多場(chǎng)景多領(lǐng)域最佳實(shí)踐,模型優(yōu)化、加速與部署等。