用Java代码释放神经网络无穷力量Key Features本书完整地演示了使用Java开发神经网络的过程既有非常基础的实例也有高级实例。Book Description神经网络已成为从大量原始的，看似无关的数据中提取有用知识的强大技术。 Java语言是用于实现神经网络的最合适的工具之一，也是现阶段非常流行的编程语言之一，包含多种有助于开发的API和包，具有“一次编写，随处运行”的可移植性。 本书完整地演示了使用Java开发神经网络的过程，既有非常基础的实例也有高级实例。首先，你将学习神经网络的基础知识、感知机及其特征。 然后，你将使用学到的概念来实现自组织映射网络。 此外，你还会了解一些应用，如天气预报、疾病诊断、客户特征分析和光学字符识别（OCR）等。 最后，你将学习实时优化和自适应神经网络的方法。 本书所有的示例都提供了说明性的源代码，这些源代码综合了面向对象编程（OOP）概念和神经网络特性，以帮助你更好的学习。What you will learn

学习Python编程，轻松应对大数据分析任务，掌握信号处理、时间序列、文本数据分析、机器学习等高级技能Key Features在本书的最后，采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。示例丰富、简单易懂Book DescriptionPython作为一种高级程序设计语言，凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时，Python语言的数据分析功能也逐渐为大众所认可。 本书就是一本介绍如何用Python进行数据分析的学习指南。全书共12章，从Python程序库入门、NumPy数组和Pandas入门开始，陆续介绍了数据的检索、数据加工与存储、数据可视化等内容。同时，本书还介绍了信号处理与时间序列、应用数据库、分析文本数据与社交媒体、预测性分析与机器学习、Python生态系统的外部环境和云计算、性能优化及分析、并发性等内容。在本书的最后，还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。 ...

以Python语言为基础介绍深度学习的原理和应用Key Features展示了深度学习在棋盘游戏和电子游戏中的应用。实现了一个可用于生产环境的入侵检测系统。Book Description本书借助现实案例介绍深度学习算法的实际应用（包括最佳实践），旨在帮助读者了解如何识别和提取信息，以提高预测准确率及优化结果。 本书共10章，分别是机器学习—引言、神经网络、深度学习基本原理、无监督特征学习、图像识别、递归神经网络和语言模型、深度学习在棋盘游戏中的应用、深度学习在电子游戏中的应用、异常检测和构建一个可用于生产环境的入侵检测系统。 本书适合想深入研究深度学习算法和技术的读者学习，也适合想探究如何从这项强大技术中学到更多知识的读者参考。What you will learn掌握深度学习算法的实际应用和最佳实践，从中了解识别和提取信息的方法，提高预测的准确率，并对结果进行优化。学习神经网络、无监督特征学...

用简单易学的示例，带你驶入机器学习的快车道Key Features书中示例浅显易懂，涵盖多种应用场景讲解方式生动有趣。Book Description本书开篇介绍Python语言和机器学习开发环境的搭建方法。后续章节介绍相关的重要概念，比如数据分析、数据预处理、特征抽取、数据可视化、聚类、分类、回归和模型性能度量等。本书包含多个项目案例，涉及几种重要且有趣的机器学习算法，引导读者从头实现自己的模型。学完本书，你将了解机器学习生态系统的全貌，并掌握机器学习技术的实践和应用。 在本书的帮助下，你将学会用强大却很简单的Python语言来处理数据科学难题，并构建自己的解决方案。书中示例浅显易懂，涵盖多种应用场景：新闻话题分类、垃圾邮件过滤、在线广告点击率预测和股票价格预测等，讲解方式生动有趣。 • 本书包括以下内容： • 利用Python语言抽取数据、处理数据和探索数据； • 用Python对多维数据进行可视化，并抽取有用特征； • 深入钻研数据分析技术，正确预测发展趋势...

基于Python语言的预测分析实战Key Features涵盖从问题识别到模型部署的预测分析全过程基于Python语言实现，辅以实例，侧重于实战用Python实现高性能预测分析方案用Keras构建可实现精准预测的神经网络模型Book Description本书先介绍预测分析的重要概念和原则，然后给出一系列的代码示例和算法讲解，引导读者了解完整的预测分析流程，进而用Python工具构建高性能的预测分析解决方案。全书所涵盖的内容包括预测分析过程、理解问题和准备数据、理解数据集—探索性数据分析、基于机器学习的数值预测、基于机器学习的类别预测、调整模型和提高性能、基于Dash的模型实现等。 本书适合想要学习预测建模并对用 Python 工具实现预测分析解决方案感兴趣的数据分析师、数据科学家、数据工程师和Python开发人员阅读，也适合对预测分析感兴趣的读者参考。What you will learn学习...

用TensorFlow实现10个深度学习项目Key Features10个真实项目，侧重于实战涵盖图像处理、推荐系统、股票价格预测和训练聊天机器人、机器翻译系统和基于强化学习的电子游戏等实际应用Book Description本书旨在利用 TensorFlow 针对各种现实场景设计深度学习系统，引导读者实现有趣的深度学习项目。本书涵盖 10 个实践项目，如用目标检测 API 标注图像、利用长短期记忆神经网络（LSTM）预测股票价格、构建和训练机器翻译模型、检测 Quora 数据集中的重复问题等。通过阅读本书，读者可以了解如何搭建深度学习的 TensorFlow 环境、如何构建卷积神经网络以有效地处理图像、如何利用长短期记忆神经网络预测股票价格，以及如何实现一个能够自己玩电子游戏的人工智能（AI）！ 本书适合数据科学家、机器学习和深度学习领域的从业者以及人工智能技术的爱好者阅读。What you will learn用目标检测 AP...

跟随机器学习最佳实践，探秘金融中的科技思维Key Features配套代码+彩色图片帮助读者快速上手详细的理论推到和算法分析，引导读者了解机器学习的内核知识点与代码示例环环相扣，理论与编程实践完美结合Book Description机器学习是设计与应用算法的科学，可从数据中进行学习和预测，其应用已经非常普遍。金融领域集中了大量的交易数据，为人工智能技术的运用奠定了良好的数据基础。本书面向金融领域的读者，介绍了机器学习技术的原理与实践。 本书包括10章，介绍了神经网络算法、结构化数据的处理、计算机视觉处理技术、时间序列分析、自然语言处理、生成模型的应用、强化学习技术、数据建模与调试、贝叶斯推理和概率编程等内容。 本书由资深金融从业者编写，融合了其在金融项目中关于机器学习的实践经验，适合金融领域的数据科学家、数据分析师、金融科技公司的技术研发人员以及对金融领域的机器学习技术感兴趣的读者阅读。What you will learn

使用TensorFlow和Keras实现高级深度学习和神经网络模型Key Features快速掌握知识点用实操夯实迁移学习理论掌握实用技能Book Description迁移学习是机器学习技术的一种，它可以从一系列机器学习问题的训练中获得知识，并将这些知识用于训练其他相似类型的问题。 本书分为3个部分：第1部分是深度学习基础，介绍了机器学习的基础知识、深度学习的基础知识和深度学习的架构；第2部分是迁移学习精要，介绍了迁移学习的基础知识和迁移学习的威力；第3部分是迁移学习案例研究，介绍了图像识别和分类、文本文档分类、音频事件识别和分类、DeepDream算法、风格迁移、自动图像扫描生成器、图像着色等内容。 本书适合数据科学家、机器学习工程师和数据分析师阅读，也适合对机器学习和迁移学习感兴趣的读者阅读。在阅读本书之前，希望读者对机器学习和Python编程有基本的掌握。What you will learn本书能带你厘...

大数据领域的人工智能技术Key Features先讲大数据的本体论、机器学习的基本理论，为具体场景、算法的实践奠定基础在对机器学习的介绍中，对其数学原理、训练过程做基本的讲解，并辅以代码帮助读者了解真实场景中技术工具的使用本书作者在数据生态系统技术和数据管理方面拥有丰富的经验Book Description本书分为两个部分，共12章。第1章到第5章介绍了大数据的本体论、机器学习的基本理论等内容，为具体场景、算法的实践奠定了基础。读者可以了解到，在工程实践中，对大数据的处理、转化方式与人类学习知识并将其转化为实践的过程是多么相似。在对机器学习的介绍中，会对其数学原理、训练过程做基本的讲解，并辅以代码帮助读者了解真实场景中技术工具的使用。第6章到第12章提供了多个不同的用例，章节之间彼此独立，介绍了如何用人工智能技术（自然语言处理、模糊系统、遗传编程、群体智能、强化学习、网络安全、认知计算）实现大数据自动化解决方案。 如果读者对 Java 编程语言、...

使用PyTorch开发神经网络的实用指南 提供本书彩图和源代码下载Key Features使用PyTorch构建神经网络模型的实用指南从PyTorch的安装讲起，介绍为现代深度学习提供驱动力的多个基础模块，以及使用CNN、RNN、LSTM以及其他网络模型解决问题的方法Book Description深度学习为世界上的智能系统（比如Google Voice、Siri和Alexa）提供了动力。随着硬件（如GPU）和软件框架（如PyTorch、Keras、TensorFlow和CNTK）的进步以及大数据的可用性，人们在文本、视觉和高级分析等领域更容易实施相应问题的解决方案。 本书对当今前沿的深度学习库PyTorch进行了讲解。凭借其易学习性、高效性以及与Python开发的天然亲近性，PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起，然后介绍了为现代深度学习提供驱动力的多个基础模块，还介绍了使用CNN、RNN、LSTM以及其他网络...

使用TensorFlow框架，轻松理解深度学习算法，包含大量案例，快速动手实现深度学习任务。异步社区中可下载配套源码+彩图文件。Key Features涵盖机器学习基础和如何可视化机器学习的过程，利用实例展示传统的机器学习技术。使用目前最广泛应用的深度学习框架之一——TensorFlow。TensorFlow是构建复杂深度学习应用的理想选择。Book Description本书主要讲述了深度学习中的重要概念和技术，并展示了如何使用TensorFlow实现高级机器学习算法和神经网络。本书首先介绍了数据科学和机器学习中的基本概念，然后讲述如何使用TensorFlow训练深度学习模型，以及如何通过训练深度前馈神经网络对数字进行分类，如何通过深度学习架构解决计算机视觉、语言处理、语义分析等方面的实际问题，最后讨论了高级的深度学习模型，如生成对抗网络及其应用。What you will learn如何使用TensorFlow训练深度学习模型...

一本通过学习统计、分析和机器学习的方法，来提升开发者解决日常问题的能力的指南Key Features通过有趣的示例实现回归、聚类、分类、神经网络Book Description本书将带领读者学习如何实施各种机器学习技术及其日常应用的开发。本书分为9章，从易于掌握的语言基础数据和数学模型开始，向读者介绍机器学习领域中使用的各种库和框架，然后通过有趣的示例实现回归、聚类、分类、神经网络等，从而解决如图像分析、自然语言处理和时间序列数据的异常检测等实际问题。 本书适合机器学习的开发人员、数据分析人员、机器学习领域的从业人员，以及想要学习机器学习的技术爱好者阅读。使用任何脚本语言的编程人员都可以阅读本书，但如果熟悉Python语言的话，将有助于充分理解本书的内容。What you will learn通过简单易懂的方法学习数学和机器学习的原理；了解广泛使用的机器学习算法和技术，并掌握它们解决实际问题的方法；通过流行的编程...