- 博客(0)
- 资源 (20)
- 收藏
- 关注
RSS订阅第一本无人驾驶技术书
全书深入浅出地讲解了无人驾驶定位导航、基于计算机视觉的无人驾驶感知系统、决策与控制等核心算法、深度学习（卷积神经网络）、增强学习在无人驾驶中的应用、无人驾驶系统的软件和硬件平台、无人驾驶安全性及基于大数据Spark的无人驾驶云平台等多个主要技术点。
2019-05-06
白话深度学习与TensorFlow-2017版
全书共三篇13章: 基础篇 (第1-3章) : 讲解机器学习、深度学习与实践的上下文知识, 如基本的机器学习与深度学习算法, Tensorflow框架的安装与配置等 ; 原理与实践篇 (第4-8章) : 介绍“老牌”的深度学习网络的数学原理和工程实现原理, 内容涵盖BP网络、CNN、RNN的结构、思路、训练与使用等 ; 扩展篇 (第9-13章) : 介绍一些网络的变种和一些较新的网络特性, 涵盖深度残差网络、受限玻尔兹曼机、强化学习等内容。
2019-05-06
TensorFlow实战_黄文坚
这本书前两章介绍了TensorFlow的基础知识和概念；第3章和第4章介绍了简单的示例及全连接神经网络；第5章和第6章介绍了基础的卷积神经网络，以及目前比较经典的AlexNet、VGGNet、Inception Net和ResNet；第7章介绍了Word2Vec、RNN和LSTM；第8章介绍了强化学习，以及基于深度学习的策略网络和估值网络；第9章介绍了TensorBoard、单机多GPU并行，以及分布式并行；最后两章介绍了TF Learn及其他TensorFlow辅助组件。
2019-05-06
TensorFlow技术解析与实战-李嘉璇著
这本书从深度学习的基础讲起，深入TensorFlow框架原理、安装、模型、源代码和统计分析等各个方面。全书分为基础篇、实战篇和提高篇三部分。最后附录中列出一些可供参考的公开数据集，并结合作者的项目经验介绍项目管理的一些建议。
2019-05-06
图解机器学习
(日) 杉山将著 许永伟译。这本书用丰富的图示, 从最小二乘法出发, 对基于最小二乘法实现的各种机器学习算法进行详细的介绍。第1部分介绍机器学习领域的概况 ; 第2部分和第3部分分别介绍了各种有监督回归算法和分类算法 ; 第4部分介绍了各种无监督学习算法 ; 第5部分介绍了机器学习领域中的新兴算法。
2019-05-06
机器学习实战-中文版-李锐等译
机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下，捕获数据并从中萃取有价值的信息或模式，使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。这本书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效可复用的Python代码阐释如何处理统计数据，进行数据分析及可视化。读者可从中学到一些核心的机器学习算法，并将其运用于某些策略性任务中，如分类、预测及推荐等。
2019-05-06
深入浅出强化学习：原理入门——高清PDF+源代码
郭宪, 方勇纯编著。这本书由浅入深地阐述了强化学习的基础理念与实践，包括数学基础、强化学习基本原理、强化学习的应用与实践，是一本零基础的入门学习书籍。
2019-05-06
揭秘深度强化学习-彭伟
深度强化学习是深度学习算法和强化学习算法的巧妙结合, 它是一种新兴的通用人工智能算法技术, 也是机器学习的前沿技术, DRL算法潜力无限, AlphaGo是目前该算法最成功的使用案例。DRL算法以马尔科夫决策过程为基础, 是在深度学习强大的非线性函数的拟合能力下构成的一种增强算法。深度强化学习算法主要包括基于动态规划 (DP) 的算法以及基于策略优化的算法, 这本书共10章, 首先以AlphaGo在围棋大战的伟大事迹开始, 引起对人工智能发展和现状的介绍, 进而介绍深度强化学习的基本知识。然后分别介绍了强化学习 (重点介绍蒙特卡洛算法和时序差分算法) 和深度学习的基础知识、功能神经网络层、卷积神经网络 (CNN)、循环神经网络 (RNN), 以及深度强化学习的理论基础和当前主流的算法框架。最后介绍了深度强化学习在不同领域的几个应用实例。
2019-05-06
机器学习实战-中文版
机器学习是人工智能研究领域中的一个极其重要的方向。在现今大数据时代的背景下，捕获数据并从中萃取有价值的信息或模式，使得这一过去为分析师与数学家所专属的研究领域越来越为人们瞩目。这本书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效可复用的Python代码阐释如何处理统计数据，进行数据分析及可视化
2019-04-14
深度学习（花书）中文版
深度学习入门经典书籍，全书分20章，三大部分。第一部分介绍应用数学与机器学习基础，第二部分介绍现代深度学习用于解决实际应用的现状，第三部分描述目前研究社群所追求的、更有远见和更先进的深度学习方法
2019-04-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人