会员
机器学习：公式推导与代码实现
更新时间：2022-07-22 09:45:13 最新章节：看完了
书籍简介
作为一门应用型学科，机器学习植根于数学理论，落地于代码实现。这就意味着，掌握公式推导和代码编写，方能更加深入地理解机器学习算法的内在逻辑和运行机制。本书在对全部机器学习算法进行分类梳理的基础之上，分别对监督学习单模型、监督学习集成模型、无监督学习模型、概率模型四个大类共26个经典算法进行了细致的公式推导和代码实现，旨在帮助机器学习学习者和研究者完整地掌握算法细节、实现方法以及内在逻辑。
品牌：人邮图书
上架时间：2022-01-01 00:00:00
出版社：人民邮电出版社
本书数字版权由人邮图书提供，并由其授权上海阅文信息技术有限公司制作发行
最新章节
鲁伟编著
最新上架
- 会员（1）AI与AIGC基础知识：从基础入手，深入讲解AI技术的基本概念和原理。通过通俗易懂的讲解和示例，帮助读者建立坚实的理论基础，为后续章节的深入学习打下良好基础。（2）智能设备上的AIGC系统设计：详细介绍AIGC技术在实际应用过程中的各种功能设计和实现方法。内容涵盖算法选择、模型训练、系统集成等各个环节，通过丰富的技术细节和设计策略，帮助读者全面掌握AIGC技术的应用要点。（3）AIGC关键工计算机18万字
- 会员我们在运用AI的时候，有时得不到自己想要的回答，于是责怪AI不够智能。我们容易忽略的是，AI的回答质量往往取决于提问的质量。《秒懂AI提问：让人工智能成为你的效率神器》系统地介绍了20种向AI提问的有效方法，用这些方法可以让AI给出高质量的回答。在介绍提问方法时，本书紧扣日常工作和生活，并通过对比让读者直观感受不同提问方法的效果，最后引出更多场景下的应用，让读者真正学以致用。《秒懂AI提问：让人工计算机5.4万字
- 会员在人工智能技术快速发展的时代，DeepSeek？作为国产自研的高性能？AI模型，在多领域得到广泛应用。本书是关于DeepSeek的实践指南，分为基础认知、开发实战、高能应用3篇。基础认知篇介绍DeepSeek的核心功能、使用方法与对话技巧；开发实战篇讲解DeepSeekAPI的申请与使用，以及部署方法；高能应用篇展示DeepSeek在多媒体生成、办公软件、智能助手方面的应用。本书内容由浅入深，涵计算机3.3万字
- 会员《秒懂AI写作：让你轻松成为写作高手》针对职场、学习、生活、艺术创作领域常见的40余种写作应用场景，遵循“场景+方法+总结”的框架，详细介绍了如何正确利用AI完成多种写作任务，并归纳出使用AI写作的方法和技巧。《秒懂AI写作：让你轻松成为写作高手》分为6章。第1章通过5个步骤、6大场景介绍了如何驾驭AI完成多种类型的写作任务；第2章至第6章分别详细介绍了在职场应用文写作、商业营销文案写作、新媒体写计算机8.1万字
- 会员本书是一本关于AIGC提示工程师的实用指南，讲解了成为优秀AIGC提示工程师所需的技术特长和知识、沟通和协作能力、持续学习和自我提升方法等。本书分为3篇，共13章。第1篇为AIGC提示工程师基础，内容包括AI崛起下的新职业──AIGC提示工程师、设计高效提示的基本原则、常用的提示方法以及提示工程实践中的常见问题等；第2篇为提示进阶技巧，内容包括优化提示的除错过程、解决复杂问题的高级提示技巧、提升提计算机12万字
- 会员本书以当下热门的人工智能工具DeepSeek为核心，通过丰富实用的内容，助力读者从对DeepSeek一无所知的新手，成长为能够灵活运用其功能解决各类问题的行家。书中选取了多个领域的典型应用场景，如学习辅助、职场办公、生活娱乐以及自媒体创作等，为读者全方位展示DeepSeek的强大功能。全书共7章，内容层层递进。第1~3章为读者介绍了DeepSeek的功能和技术特点、基础操作技巧和提问策略，帮助读者计算机9万字
- 会员本书深入探讨了RAG技术体系及其应用，内容涉及从基础概念到高级应用的各个方面。首先，解构了大模型应用的基本模式与局限性，并引入RAG作为增强生成能力的一种方法，讲解了RAG的核心概念、组成结构及应用场景，还涵盖了RAG的基础、高级、模块化和智能体形式的技术体系。其次，以LlamaIndex为工具，展示了如何实现RAG，包括提示词设计、文档与索引创建、上下文检索及查询引擎构建等具体步骤。最后，介绍了计算机10万字
- 会员本书全面、系统地探讨科学计算的背景、机器学习的重要性以及昇思MindSpore框架在科学计算中的广泛应用。科学计算作为一门交叉学科，融合了数学、计算机科学与技术等领域的专业知识，在现代科学研究和工程实践中起着关键作用。本书以MindSpore为平台，深入研究这一全场景AI框架在科学计算中的探索与实践，通过对基础理论、行业应用和实际案例的详细介绍，为读者提供全方位的学习和参考资料。全书共8章，首先详计算机15.7万字
- 会员本书分为3个部分：第1章和第2章是人工智能的数学基础，主要介绍了机器学习的概念、Python开发环境的搭建、机器学习bibei的数学知识，以及线性代数和概率论的相关知识；第3~12章主要介绍了回归模型、分类模型、聚类模型、半监督模型的建立和相关算法的理论，以及如何使用sklearn具体实现相关算法模型的搭建；第13章介绍了Spark机器学习，笔者认为对于机器学习，不能只限于Python中的skle计算机0字