Alexquyun-CSDN博客

原创 Fundamentals of Machine Learning for Predictive Data Analytics Algorithms, Worked Examples, and Case

本书介绍了机器学习在预测数据分析中的基本原理、算法、实例和案例研究，涵盖了从数据到决策的整个过程。书中涉及机器学习项目生命周期的各个方面，包括数据准备、特征设计和模型部署。

2024-07-07 18:52:58 593

原创 Grokking Algorithms-算法图解教材

《算法图解》是一本视觉丰富的指南，旨在让复杂的算法对程序员和爱好者变得易于理解。该书涵盖了一系列算法，通过实用的例子和视觉辅助工具进行讲解。书籍从基础主题（如大O表示法和基本数据结构：数组和链表）开始，逐步介绍更复杂的主题（如排序算法、递归、图算法和动态规划）。每一章都建立在前一章的基础上，通过练习和多种解释方式来强化核心概念，确保读者能够清晰理解。

2024-07-06 19:15:25 574

原创机器学习在信号处理中的运用-Signal Processing and Machine Learning with Applications

该书《Signal Processing and Machine Learning with Applications》分为三个部分，每部分包含若干章节，涵盖了从基础到高级应用的内容。

2024-07-05 19:04:22 941

原创麻省理工出版 2023年最新深度学习综述手册

这本手册详细介绍了深度学习的各个方面，从基础的监督学习、不监督学习和强化学习，到深度学习模型的训练、性能测量和改进。手册还包括了特定架构如卷积网络、残差网络和Transformer的详细讨论，以及生成对抗网络、变分自编码器、正则化流和扩散模型等现代深度生成模型。此外，手册还探讨了深度学习的伦理问题，强调了技术进步带来的潜在风险和责任。

2024-07-04 10:15:50 874

基于作者的研究背景，这本十很难说是机器学习领域的专业著作，而是一本学习笔记，是从一个机器学习技术使用者角度对机器学习知识的一次总结，并加入作者在本领域研究中的一些经验和体会。打开大门以后，我们会发现这是个多么让人识、新的思路、新的方法产生，每天都有激动人心的领域，每天都有新的知令人振奋的成果。第八章:介绍非参数非贝斯模型，重点关注高斯过程和狄利克雷过程:第九章:介绍遗传算法、遗传编程、群体学习等演化学习方法;第二章:介绍线性模型，包括线性预测模型，线性分类模型和线性高斯概率模型;

2024-07-02 20:24:34 681

原创 Advanced Data Analytics Using Python_ With Machine Learning, Deep Learning and NLP Examples

本书旨在通过实例详细介绍如何利用 Python 进行数据分析和处理，包括结构化和非结构化数据的处理、监督和无监督学习算法的实现、深度学习模型的构建与训练以及时间序列数据的分析方法。此外，本书还探讨了如何在大数据环境下进行高效的数据分析，并介绍了在云计算和物联网环境下的应用。

2024-07-01 19:17:04 639

原创 Mathematical Theories of Machine Learning - Theory and Applications (2020, Springer)

本书《机器学习的数学理论：理论与应用》全面探讨了机器学习算法的数学基础及其应用。它阐述了理解机器学习算法有效性所需的理论框架，并提供了优化机器学习过程的新技术。

2024-06-30 18:11:38 1134

原创机器学习实用指南-Machine Learning for Hackers

Machine Learning for Hackers》是一本实用的机器学习指南，专为编程经验丰富、希望通过实例学习机器学习的读者设计。本书通过多个案例研究，介绍了如何使用R语言进行机器学习任务，从数据探索到模型优化，涵盖了分类、回归、排序、聚类等多种机器学习技术。多维尺度法（MDS）：探索美国参议员的相似性。主成分分析（PCA）：构建市场指数。k-近邻算法（kNN）：推荐系统。回归：预测页面浏览量。

2024-06-29 15:40:53 385

原创纽约大学一本书吃透机器学习之第二版-Foundations of Machine Learning（second edition）

Foundations of Machine Learning》第二版是一本关于机器学习基础的全面书籍，旨在为研究人员提供参考书，同时为学生提供教材。书中涵盖了现代机器学习中的基本话题，并提供了讨论和论证算法所需的理论基础和概念工具。

2024-06-28 13:49:10 693

原创 Artificial Intelligence in Mechatronics and Civil Engineering

探讨了机电一体化和土木工程中的人工智能应用，内容涵盖了多个专题，从理论探讨到实际应用，全面展示了人工智能在这些领域的前沿研究和发展趋势。

2024-06-27 15:17:36 351

原创 Programming Machine Learning Coding-From Deep Learning

《Programming Machine Learning》这本书是为开发者编写的机器学习入门书籍，旨在帮助开发者理解机器学习的基本原理，并能够编写自己的机器学习程序。书中的例子使用Python语言，从最基础的线性回归开始，逐步引导读者构建复杂的机器学习系统。内容包括监督学习、神经网络和深度学习，并且所有代码都是从零开始编写的，以帮助读者深入理解每一行代码的含义。

2024-06-26 10:48:54 809

原创最新机器学习入门教材-Python for Probability,Statistics, and Machine Learning Third Edition

这本书介绍了使用Python语言进行概率、统计和机器学习的基础知识和应用。这本书更新到了Python 3.8+版本，并包含大量实用的代码示例和图形可视化，以帮助读者理解和应用这些概念。书中涵盖了从Python的安装与设置，到科学计算库（如Numpy、Scipy、Pandas等）的使用，再到概率与统计理论、机器学习算法及其实现的广泛内容。

2024-06-25 14:43:58 754

原创斯坦福吴恩达-深度学习和机器学习全套视频+课件！

这些课程专为已有一定基础（基本的编程知识，熟悉 Python、对机器学习有基本了解），想要尝试进入人工智能领域的计算机专业人士准备。介绍显示：“深度学习是科技业最热门的技能之一，本课程将帮你掌握深度学习。” 学生将可以学习到深度学习的基础，学会构建神经网络，并用在包括吴恩达本人在内的多位业界顶尖专家指导下创建自己的机器学习项目。

2024-06-24 16:20:40 603

原创第三版-Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow+PDF书本+各章节代码

基础介绍：书籍开篇介绍了机器学习的基本概念和背景知识。数据预处理：详细讲解了数据清洗、特征选择和特征工程的方法。监督学习：包括线性回归、决策树、支持向量机等算法的原理和实现。无监督学习：涵盖聚类、降维技术等内容。深度学习：使用TensorFlow 2和Keras进行深度神经网络的构建和训练。模型评估：提供了模型评估、选择和调优的技巧和方法。实战案例：通过实际案例，展示如何应用机器学习和深度学习解决具体问题。实用性强：内容涵盖广泛，从理论到实践，提供了大量的代码示例。结构清晰。

2024-06-23 15:03:45 567

原创 Machine Learning and Artifcial Intelligence -2nd Edition（人工智能与机器学习第二版PDF）

《人工智能和机器学习》由Ameet V. Joshi撰写，是一本关于人工智能（AI）和机器学习（ML）的综合性教材，旨在为学生和专业人士提供基础理论、算法和实际应用的全面指导。这本书分为七个部分，涵盖了从基础概念到高级应用的广泛内容。

2024-06-22 19:55:14 632 1

Alexquyun的专栏