人工智能|芯片|量子计算

PyTorch生成对抗网络编程

生成对抗网络（Generative Adversarial Network，GAN）是 神经网络领域的新星，被誉为“机器学习领域近20 年来最酷的想 法”。 本书以直白、简短的方式向读者介绍了生成对抗网络，并且教 读者如何使用PyTorch按部就班地编写生成对抗网络。全书共3章和 5个附录，分别介绍了PyTorch基础知识，用PyTorch开发神经网 络，改良神经网络以提升效果，引入CUDA和GPU以加速GAN训练，以 及生成高质量图像的卷积GAN、条件式GAN等话题。附录部分介绍了 在很多机器学习相关教程中被忽略的主题，包括计算平衡GAN的理 想损失值、概率分布和采样，以及卷积如何工作，还简单解释了为 什么梯度下降不适用于对抗式机器学习。 本书适合想初步了解GAN以及其工作原理的读者,也适合想要学 习如何构建GAN的机器学习从业人员。对于正在学习机器学习相关 课程的学生，本书可以帮助读者快速入门，为后续的学习打好基 础。

python自然语言处理实战_核心技术与算法

Python自然语言处理实战

本书介绍自然语言处理和深度学习的核心概念，例如CNN、RNN、语义嵌入和Word2vec 等。读者将 学习如何使用神经网络执行自然语言处理任务，以及如何在自然语言处理应用程序中训练和部署神经网络。 读者会在各种应用领域中使用RNN 和CNN，例如文本分类和序列标记，这对于情绪分析、客服聊天机器 人和异常检测的应用至关重要。读者还将掌握使用Python 流行的深度学习库TensorFlow 在语言应用程序 中实现深度学习的实用知识。 希望利用自然语言处理技术构建深度学习应用的Python 开发人员、机器学习或自然语言处理工程师 都可以从本书中获益。

Python与机器学习实战_决策树、集成学习、支持向量机与神经网络算法详解及编程实现

Python 与机器学习这一话题是如此的宽广， 仅靠一本书自然不可能涵盖到方方面面，甚至即使出 系列的书也难能做到这点。单就机器学习而言，其领域就包括但不限于如下：有监督学习（ Supervised Learning ），无监督学习（ Unsupervised Learning ）和半监督学习（ Semi-Supervised Learning ）。而其具体的 问题又大致可以分为两类：分类问题（ Classification ）和回归问题 Regression ）。 Python 本身带有许多机器学习 的第三方库，但本书在绝大多数情况下只会用到 umpy 这个基础的科 学计算库来进行算法代码的 。这样做的目的是希望读者能够从实现的过程中更好地理解机器学习算法 的细节，以及了解 Nurnpy 的各种应用 。不过作为补充， 本书会在适当的时候应用 sc ikit-leam 这个成熟的 第三方库中的模型 本书适用于想了解传统机器学习算法的学生和从业者，想知道如何高效实现机器学习算法的程序员， 以及想了解机器学习算法能如何进行应用的职员、经理等。

Python数据分析基础

本书展示如何用Python 程序将不同格式的数据处理和分析任务规模化和自动化。主要内容 包括：Python 基础知识介绍、CSV 文件和Excel 文件读写、数据库的操作、示例程序演示、图 表的创建，等等。 本书适合数据分析与处理工作相关人员

Python神经网络编程（异步图书）

神经网络是一种模拟人脑的神经网络，以期能够实现类人工智能的机 器学习技术。 本书揭示神经网络背后的概念，并介绍如何通过Python实现神经网 络。全书分为3章和两个附录。第1章介绍了神经网络中所用到的数学思 想。第2章介绍使用Python实现神经网络，识别手写数字，并测试神经网络 的性能。第3章带领读者进一步了解简单的神经网络，观察已受训练的神经 网络内部，尝试进一步改善神经网络的性能，并加深对相关知识的理解。 附录分别介绍了所需的微积分知识和树莓派知识。 本书适合想要从事神经网络研究和探索的读者学习参考，也适合对人 工智能、机器学习和深度学习等相关领域感兴趣的读者阅读。

Python神经网络编程

Python深度学习

本书由Keras 之父、现任Google 人工智能研究员的弗朗索瓦•肖莱（François Chollet）执笔，详尽介 绍了用Python 和Keras 进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。 书中包含30 多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须 具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立 图像识别模型、生成图像和文字等能力。 本书适合从事大数据及机器学习领域工作，并对深度学习感兴趣的各类读者。

Python机器学习经典实例

在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域， 如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一 些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经 网络，等等。 本书是为想用机器学习算法开发应用程序的Python 程序员准备的。它适合Python 初学者阅读，不过熟 悉Python 编程方法对体验示例代码大有裨益。

Python机器学习基础教程

本书是机器学习入门书，以Python 语言介绍。主要内容包括：机器学习的基本概念及其应 用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方 式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验 证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特 有的处理方法。 本书适合机器学习从业者或有志成为机器学习从业者的人阅读。

Python机器学习

人工智能的研究从20世纪40年代已经开始，在近80年的发展中经历了数 次大起大落。自从2016年AlphaGo战胜顶尖的人类围棋选手之后，人工智能 再一次进入了人们的视野，成为当今的热门话题。各大互联网公司都投入了 大量的资源研究和开发自动驾驶、人脸识别、语音识别和机器翻译等技术。 人类已经开始担忧人工智能可能带来的各种影响。人工智能的最新发展可以 说是“古树发新枝”，到底是什么原因使沉寂多年的人工智能技术焕发了青春 的活力呢？

OpenCV实例精解

OpenCV4计算机视觉Python语言实现

计算机视觉是一门发展迅速的科学，涵盖了多种应用和技术。这 本书不但适用于计算机视觉的初学者，也适用于计算机视觉相关领域 的专家。通过学习本书，你将能够利用OpenCV 4和Python 3构建应用 程序，将理论应用于实践。 首先，你将了解OpenCV 4，以及如何基于Python 3在各种平台上 安装OpenCV 4。然后，你将学习如何执行读取、写入、操纵，以及显 示静态图像、视频和摄像头回传信号等基本操作。你还将学习图像处 理、视频分析、深度估计和分割，并通过构建GUI应用程序获得实践 经验。接下来，你将处理两类常见问题——人脸检测和人脸识别，还 将学习物体分类和机器学习的概念，这将使你能够创建和使用物体检 测器及分类器，甚至跟踪电影或摄像头回传信号中的物体。稍后，你 将学习3D跟踪和增强现实的技能。最后，你将学习人工神经网络和深 度神经网络，学习如何开发手写数字识别以及对人的性别和年龄进行 分类的应用程序。

白话机器学习的数学

本书通过正在学习机器学习的程序员绫乃和她朋友美绪的对话，结合回归和分类 的具体问题，逐步讲解了机器学习中实用的数学基础知识。其中，重点讲解了容易成为 学习绊脚石的数学公式和符号。同时，还通过实际的Python 编程讲解了数学公式的应 用，进而加深读者对相关数学知识的理解。 本书适合对机器学习感兴趣、想要从事机器学习相关研究，但是对机器学习相关 数学知识感到棘手的读者阅读。

深度学习的数学

近年来，我们在媒体上到处可见人工智能（AI）这个词，而深度学 习是人工智能的一种实现方法。下面我们就来简单地看一下深度学习具 有怎样划时代的意义。

Python初学教程

Python初学教程

认识python

认识python

基于Python的混合语言编程及其实现研究

基于Python的混合语言编程及其实现研究

PYTHON网络编程基础

PYTHON网络编程基础

Python核心编程

Python核心编程

Python核心编程（中文第二版）

Python核心编程（中文第二版）

Python编程指南

Python编程指南

Python编程语言的教程

Python编程语言的教程

基于聚类和Python语言的深圳市城市道路车辆行驶工况构建

基于聚类和Python语言的深圳市城市道路车辆行驶工况构建

Python程序设计-第一章Python语言介绍及开发环境

Python程序设计-第一章Python语言介绍及开发环境

Python程序设计-第四章_控制流

Python程序设计-第四章_控制流

Python程序设计-第三章_常用数据结构

Python程序设计-第三章_常用数据结构

Python程序设计-第二章Python语言数据类型运算符和表达式

Python程序设计-第二章Python语言数据类型运算符和表达式

基于寄存器的Python虚拟机的设计与实现

基于寄存器的Python虚拟机的设计与实现

基于Python语言的在线_离线数据平台的搭建及其在电池分析中的应用

基于Python语言的在线_离线数据平台的搭建及其在电池分析中的应用