算法导论(中文版)
《算法导论》原书名——Introduction to Algorithms,是2006年机械工业出版社出版出版的图书,作者是Thomas H.Cormen、Charles E.Leiserson等。
《神经网络与机器学习》
神经网络是计算智能和机器学习的重要分支,在诸多领域都取得了很大的成功。在众多神经网络著作中,影响最为广泛的是Simon Haykin的《神经网络原理》(第3版更名为《神经网络与机器学习》)。在本书中,作者结合近年来神经网络和机器学习的最新进展,从理论和实际应用出发,全面、系统地介绍了神经网络的基本模型、方法和技术,并将神经网络和机器学习有机地结合在一起。
情感分析词库
收集了包含七个来源的情感词,其中包括:知网hownet情感词典,台湾大学中文情感词典等七大来源的情感词典。
潜在语义分析
潜在语义分析(Latent Semantic Analysis)或者潜在语义索引(Latent Semantic Index),是1988年S.T. Dumais等人提出的一种新的信息检索代数模型,是用于知识获取和展示的计算理论和方法,它使用统计计算的方法对大量的文本集进行分析,从而提取出词与词之间潜在的语义结构,并用这种潜在的语义结构来表示词和文本,达到消除词之间的相关性和简化文本向量实现降维的目的。
计算语言学与深度学习
Yann LeCun : 深度学习的下一个重要目标是自然语言的理解,这将让机器不只具有理解单个字词的能力,还将具备理解句子与段落的能力。
高频人名覆盖一亿7千万人
整理的高频人名,涵盖1亿七千万人口,有需要做人名识别等的拿走。
概率论基础教程
这是学习大数据和人工智能必修的课程之一。这本概率论是基础课程中最好的教材,没有之一。
深度学习样例
包含三大框架的基于监督的和非监督的各种算法样例,其中包括:线性回归(包含notebook和py源代码)。使用TensorFlow实现线性回归,等等。适合新手练手!
代词整合包含了各种代词
整理了一部分代词,懂的拿走。包括人称代词,指示代词等等
NLP汉语自然语言处理原理与实践
NLP汉语自然语言处理原理与实践是一本研究汉语自然语言处理方面的基础性、综合性书籍,涉及NLP的语言理论、算法和工程实践的方方面面,内容繁杂。 本书包括NLP的语言理论部分、算法部分、案例部分,涉及汉语的发展历史、传统的句法理论、认知语言学理论
JavaScript权威指南第六版
《JavaScript权威指南(第6版)》主要讲述的内容涵盖JavaScript语言本身,以及Web浏览器所实现的JavaScript API。本书第6版涵盖了HTML5和ECMAScript 5,很多章节完全重写,增加了当今Web开发的最佳实践的内容,新增的章节包括jQuery、服务器端JavaScript、图形编程以及 JavaScript式的面向对象。本书不仅适合初学者系统学习,也适合有经验的 JavaScript 开发者随手翻阅。
利用Python进行数据分析第二版-代码和中文笔记
《利用python进行数据分析》是数据分析的基础教程,绝大部分数据分析师的入门教材,目前已经升级到第二版。本资源搜集了教材的第二版原版代码进行中文翻译和注释,并做了一定的笔记。基本上只需要看代码就能理解全书内容。本站认为,看完这些代码,90%以上的数据分析问题都能解决。
机器学习算法原理与编程实践
读人群 :适用于中高水平的程序设计人员、大学理科生、以及对机器学习感兴趣的各类爱好者 《机器学习算法原理与编程实践》围绕神经网络、智能推理等方面展开!
HNC(概念层次网络)
HNC是 Hierarchical Network of Concepts(概念层次网络)的简称,是关于自然语言理解处理的理论框架,属于计算机科学和语言学的交叉学科。
神经网络和深度学习技术解析
深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征。
运筹学(第三版)
运筹学方法是寻求最佳管理决策的重要方法之一。本书包括了线性规划、对偶规划、整数规划、动态规划、非线性等方法
protege -5.0
Protégé软件是斯坦福大学医学院生物信息研究中心基于Java语言开发的本体编辑和知识获取软件,或者说是本体开发工具,也是基于知识的编辑器
自然语言处理综述
本书是一本全面系统地讲述计算机自然语言处理的优秀教材。本书英文版出版之后好评如潮,国外许多著名大学纷纷把本书选为自然语言处理和计算语言学课程的主要教材,该书被誉为该领域教材的“黄金标准”。本书包含的内容十分丰富,分为四个部分,共21章
统计自然语言处理基础
《统计自然语言处理基础:国外计算机科学教材系列》是2000年广西美术出版社的图书,作者是欧阳乾。本书是一本全面系统地介绍统计自然语言处理技术的专著,被国内外许多所著名大学选为计算语言学相关课程的教材。
陈天琦XGB PPT 已转换成PDF格式
陈天琦XGB PPT 已转换成PDF格式
javaee开发的颠覆者springboot实战.rar
javaEE开发的颠覆者 Spring Boot实战 内容简介在当今Java EE 开发中,Spring 框架是当之无愧的王者。
Spring Boot高级.rar
该文档为蚂蚁课堂springboot2.0讲义对应的文档,有需要的话可以直接进行下载
周光有-面向大规模知识图谱的智能问答.zip
利用知识图谱进行问答系统的设计,其中涉及了大规模知识图谱的构建以及大规模知识图谱下智能回答的设计。
深度学习之美 AI时代的数据处理与最佳实践-张玉宏【电子工业出版社 2018.07】.zip
深度学习是人工智能的前沿技术。《深度学习之美:AI时代的数据处理与最佳实践》深入浅出地介绍了深度学习的相关理论和实践,《深度学习之美:AI时代的数据处理与最佳实践》共分16章,采用理论和实践双主线写作方式。
Sklearn 与 TensorFlow 机器学习实用指南中文翻译及源码
Sklearn与TensorFlow 机器学习实用指南(翻译版) 这是一本Sklearn与TensorFlow 机器学习实用指南翻译版的,适合缺乏实战的学习者。资源包内附带各个章节的源码,便于大家参照!
scikit-learn中文文档
SciKit learn的简称是SKlearn,是一个python库,专门用于机器学习的模块。
LDA漫游指南
LDA漫游指南,分为三部分,第一部分介绍了LDA所涉及的基本数学原理,第二部分涉及LDA的分析过程,第三部分LDA的应用场景
sprak MLlib机器学习算法源码及实战
Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。Spark是UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行框架!
SparkMLlib机器学习实战(清华大学出版社)
Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。Spark是UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行框架。
NLP汉语自然语言处理原理与实践(最新版)
NLP汉语自然语言处理原理与实践是一本研究汉语自然语言处理方面的基础性、综合性书籍,涉及NLP的语言理论、算法和工程实践的方方面面,内容繁杂。 本书包括NLP的语言理论部分、算法部分、案例部分,涉及汉语的发展历史、传统的句法理论、认知语言学理论。需要指出的是,本书是迄今为止第一本系统介绍认知语言学和算法设计相结合的中文NLP书籍,并从认知语言学的视角重新认识和分析了NLP的句法和语义相结合的数据结构。这也是本书的创新之处。
自然语言处理原理与技术实现(java)传错了大家别下
细介绍自然语言处理各主要领域的原理以Java 实现,包括中文分词、词性标注、依存句法分析等。其中详细介绍了中文分词和词性标注的过程及相关算法,如隐马尔可夫模型等。在自然语言处理的应用领域主要介绍了信息抽取、自动文摘、文本分类等领域的基本理论和实现过程,此外还有问答系统、语音识别等目前应用非常广泛的领域。
NLP汉语自然语言处理原理与实践附源码传错了大家别下
本书是一本研究汉语自然语言处理方面的基础性、综合性书籍,涉及NLP的语言理论、算法和工程实践的方方面面,内容繁杂。 本书包括NLP的语言理论部分、算法部分、案例部分,涉及汉语的发展历史、传统的句法理论、认知语言学理论。需要指出的是,本书是迄今为止第一本系统介绍认知语言学和算法设计相结合的中文NLP书籍,并从认知语言学的视角重新认识和分析了NLP的句法和语义相结合的数据结构。这也是本书的创新之处。 本书适用于所有想学习NLP的技术人员,包括各大人工智能实验室、软件学院等专业机构。
人工智能简史_尼克
《人工智能简史》全面讲述人工智能的发展史,几乎覆盖人工智能学科的所有领域,包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、不错智能、哲学问题和未来趋势等,以宏阔的视野和生动的语言,对人工智能进行了全面回顾和深度点评
通信的数学理论(中英互译版)
香农大师1948年经典之作,奠定了信息论等多学科的基础,一切皆“比特”!
hownet最新版资源
清华大学开源的最新版的hownet,基于它可以做词语相似度计算,构建基本的知识库等,懂的拿走不谢!
sklearn入门经典案例
自2007年发布以来,scikit-learn已经成为Python重要的机器学习库了。scikit-learn简称sklearn,支持包括分类、回归、降维和聚类四大机器学习算法。
统计学:从数据到结论
本书可用来作为通过统计的数据实践来学习这三种软件的教材。
心智、大脑与计算机
本书从历史和跨学科两个视角,对认知科学基础问题进行了导论性质的述评。它描绘了从19世纪到当代认知科学领域某些核心概念的发展轨迹,考察了哲学、心理学、神经科学和计算机科学等学科对认知科学发展的重要贡献和影响。
无监督深度学习基础
无监督深度学习,除了强化学习,主要包括BM、自动编码器AE和GAN领域。