教材为配合模块化教学需要进行组织，内容包括“计算机文化基础”与“大数据与人工智能基础”两大模块，其中模块一主要介绍计算机文化基本知识与计算机操作基本技能，其中嵌入现代企业文化、管理思想与资源；模块二主要介绍大数据技术基本概念与人工智能基础。模块内容相互联系也相对独立。教材结构清晰、层次分明，描述简洁、易读。教材适合于普
本书是一本浅显易懂的机器学习入门教材，深入浅出地介绍了机器学习的基础理论、模型与经典方法，并适当融入了深度学习的前沿知识。全书共9章，主要内容包括：机器学习概述、回归模型（线性回归、多项式回归、岭回归、套索回归、弹性网络、逻辑斯谛回归、Softmax回归）、k*近邻和kd树算法、支持向量机、贝叶斯分类器与贝叶斯网络
《机器学习原理及应用》以机器学习及其算法为主题，详细介绍其理论细节与应用方法。《机器学习原理及应用》共19章，分别介绍了机器学习概述、线性回归与*大熵模型、k-近邻算法、决策树模型、朴素贝叶斯分类器、支持向量机模型、集成学习、EM算法、降维算法、聚类算法、神经网络模型等基础模型或算法，以及8个综合项目实例。《机器学习原
本书是从事无人系统自主、智能控制相关工作的入门教材。编者从一般无人系统的知识入手，分享了在开发实际无人驾驶系统中积累的经验。本书共8章，第1章介绍无人系统的概念、意义、研究现状和发展趋势；第2章论述动态环境下无人系统的自主控制架构；第3章给出基于机器人操作系统ROS的程序设计方法；第4章设计无人驾驶数据采集系统；第5章
全书从推荐系统的发展历史、基本构成开始，依次剖析推荐系统的内容召回、协同过滤召回、深度学习召回中具有代表性的模型；再从经典排序模型到基于深度学习的排序，顺势介绍会话推荐、强化学习推荐及工业级推荐，搭建了完整的推荐系统技术体系，这是一个由浅入深的系统学习过程。 本书的目标读者应该对深度学习有基本的了解，掌握概率论、线性代
机器学习已经广泛地应用于各行各业，深度学习的兴起再次推动了人工智能的热潮。本书结合项目实践，首先讨论主流机器学习平台的主要特点和机器学习的实战难点；在此基础上，利用主流的机器学习开源平台TensorFlow、OpenVINO、PaddlePaddle等，通过19个实战案例，详细地分析决策树、随机森林、支持向量机、逻辑回
深度学习是当前的人工智能领域的技术热点。本书面向高等院校理工科专业学生的需求，介绍深度学习相关概念，培养学生研究、利用基于各类深度学习架构的人工智能算法来分析和解决相关专业问题的能力。本书内容包括深度学习概述、人工神经网络基础、卷积神经网络和循环神经网络、生成对抗网络和深度强化学习、计算机视觉以及自然语言处理。本书适合
本书主要介绍了人工智能的基础知识和实用技术。本书共8章，包括“人工智能：开启智慧新时代”“Python：人工智能开发语言”“线性回归：预测未来趋势”“分门别类：帮你‘分而治之’”“物以类聚：发现新簇群”“个性化推荐：主动满足你的需求”“语音识别：让机器对你言听计从”“人脸识别：机器也认识你”。 本书以培养学生人工智能素
本书首先从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的知识表示、机器学习、神经网络与深度学习、智能语音技术、计算机视觉、自然语言处理和知识图谱技术等基础知识，并通过人工智能在医疗、交通、生活、金融、零售、安防中的经典的成功应用案例让读者更
本书采用理论与实战相结合的形式，通过生活中的例子来讲解理论知识，结合实际案例代码，帮助读者在掌握机器学习理论的同时，打下项目实践的基础，同时配有丰富的教学资源，帮助读者自学或开展教学工作。本书共13章，涵盖机器学习入门所需的数学知识及相关算法，包括K近邻算法、决策树、朴素贝叶斯、逻辑回归与梯度下降、支持向量机、AdaB
平台介绍|荣誉资质|联系我们|出版社登陆
精品教材 更多 规划教材 更多
