深度学习：方法及应用 - 第5页

本书介绍了一些重要的建模和预测技术以及相关应用，涵盖以下主题：线性回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类、深度学习、生存分析、多重测试等。书中每一章都包含一个教程，通过...

...基本概念、编程模型和使用方法，第5章介绍编程框架的工作原理，第6章回顾深度学习所用的处理器结构从通用逐步走向专用的过程，第7章介绍深度学习处理器的体系结构应当如何应对大模型处理中的计算...

...学习入门必读之作。它的内容涵盖了众多高效Python库，包括scikit-learn、Keras和TensorFlow等，系统性地梳理和分析了各种经典算法，并通过Python语言以具体代码示例的方式深入浅出地介绍了各种算法的应用...

...和应用中的一些基本的、普遍的原理和方法。本书概念阐述清楚，内容丰富翔实，语言通俗易懂，在较为全面地介绍人工智能进展的前提下对一些传统内容进行了取舍。书中详细介绍了人工智能、机器学习、深度学习...

...的深刻见解。 书中首先概述了数据科学方法的兴起以及生物学领域的范式转变，这一转变催生了计算生物学的革命，即通过计算机模拟进行生物实验和药物研发。作者详细介绍了人工智能和深度学习领域...

...如下。技能线：从人工智能的相关技术入手，不仅介绍了 AI 训练师的发展历程和行业动态，还重点讲述了 AI 训练师的职业技能提升方法，具体内容包括认识 AI 训练师、能力培养、Python 编程语言、机器学习算法、深度学习算法、自然语言...

...现有的深度强化学习算法基础上，针对机器人控制中的机器人姿态平衡控制、机器人持物平衡控制、机器人抓取控制 3 个方面的问题展开研究。 本书适合机器人运动控制领域的研究者，以及对机器人运动控制方法感兴趣...

...高等院校经济管理类、工业工程类、系统工程类等专业本科生和研究生教材，也适合作为从事优化决策、数据分析和管理科学研究人员的参考书。对于希望系统掌握运筹学理论与应用方法的读者而言，是一本权威且成熟的学习资料。

...传统数学教材的各种弊端，让大家学习时有兴趣、看得懂、有思考、更自信、用得着。《数学要素：全彩图解 + 微课 + Python编程》打破数学板块的藩篱，将算数、代数、线性代数、几何、解析几何、概率统计、微积分、优化方法等板块有机结合在一起...

...并熟悉常用机器学习算法的实现原理和应用，如线性回归、逻辑回归、决策树、神经网络、支持向量机等。 第 4 章借助实际案例，讲解如何通过 XGBoost 解决分类、回归、排序等问题，并介绍了 XGBoost 常用功能的使用方法...