算法的乐趣 - 第5页

...树等常用的数据结构，然后深入讨论二分查找、排序、回溯法、动态规划和图搜索等算法。 除了介绍相应的基础知识，每章还通过大量的高频面试题系统地总结了各种数据结构与算法的应用场景...

...绝非不可窥探的黑箱！深入理解其模型和算法的实际运作机制，是驾驭并优化结果的关键。你无需成为数学专家或资深数据科学家，同样能够掌握深度学习系统内部的工作原理。本书旨在通过深入浅出的方式...

《python计算机视觉编程》是计算机视觉编程的权威实践指南，依赖python语言讲解了基础理论与算法，并通过大量示例细致分析了对象识别、基于内容的图像搜索、光学字符识别、光流法、跟踪、三维重建、立体成像、增强...

...讨论算法的优化、模型的迭代、算力的多少。人们不断地在追求模型的深度、数据的规模和芯片的算力。海量参数的复杂网络仿佛就是人工智能的发展方向。然而，这就是真的智能吗？科技界的...

...书中不仅介绍了推荐系统的基本概念、发展历程，还详细阐述了多种推荐算法，如基于内容的推荐、协同过滤、矩阵分解、深度学习等。项亮通过实例讲解，生动地展示了推荐系统在现实世界中的应用...

...密码算法的具体对应关系。《隐私计算与密码学应用实践》适合密码学、隐私保护、大数据和人工智能等相关专业的学生和初级从业者阅读，同时也适合对隐私计算、密码学感兴趣并尝试转岗的从业...

...和《神经网络与深度学习》一一对应，并以模型解读 + 案例实践的形式进行介绍。模型解读主要聚焦如何从零开始一步步实现深度学习中的各种模型和算法，并结合简单的任务来加深读者对模型和算法的理解...

...推荐场景中的用户兴趣建模和内容匹配问题。全书围绕推荐系统的核心流程展开，重点介绍召回、排序、特征工程、用户行为建模以及深度学习推荐模型等内容，并结合工业界常见场景讨论推荐算法的设计与优化...

...进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。

...机器学习”丛书的最后一册，前六本解决了编程、可视化、数学、 数据方面的诸多问题，而本书将开启机器学习经典算法的学习之旅。本书设置了 24 个话题，对应四大类机器学习经典算法（回归...