weixin_39397839的博客

复杂性科学使用计算来探索物理和社会科学。在Think Complexity中，您将使用图形，细胞自动机和基于代理的模型来研究物理学，生物学和经济学中的主题。 无论您是中级Python程序员还是计算建模专业的学生，​​您都可以通过一系列实例，练习，案例研究和易于理解的解释深入研究复杂系统的示例。

从数据科学的角度来看Python，并学习用于制定关键业务决策的成熟数据可视化技术。从使用Python的数据科学入门开始，您将仔细研究Python环境并熟悉Jupyter Notebook和Spyder等编辑器。在完成Python编程的入门课程后，您将掌握数据科学中使用的基本Python编程技术。继续数据可视化，您将看到它如何满足现代业务需求并形成决策制定的关键因素。您还将了解Python中一些流行的数据可视化库。 将重点转移到数据结构，您将从数据科学的角度学习数据结构的各个方面。然后，您将使用Python中的文件I / O和正则表达式，然后收集和清理数据。继续探索和分析数据，您将了解Python中的高级数据结构。然后，您将深入研究数据可视化技术，通过Python中的许多绘图系统。

实用的机器人开发：使用Node.js和Microsoft Bot框架设计和构建机器人 探索机器人的概念，并发现使用消息传递平台处理这些新应用程序的动机。本书是一本可访问的资源，教授机器人设计和实现的基本概念。每章都以前面的主题为基础，并在适当的情况下显示实现概念的实际工作代码。通过选择代码编辑器，您可以立即开始创建智能，引人入胜且实用的机器人体验。 实用的Bot开发 将教你如何在Facebook Messenger和Slack 等平台上创建自己的机器人，合并扩展API，并在云中应用AI和ML 算法。在本书的最后，您将获得有关您创建的机器人的数千名新用户的信息！ 对于那些希望利用构建自己的机器人并利用它们的平台可行性的好处的人来说，这本书是一个很好的资源。

使用Python 学习Raspberry Pi编程：学习在世界上最流行的微型计算机上编程 了解如何编写漂亮的新款35美元电脑，制作网络蜘蛛，气象站，媒体服务器等。本书探讨了如何制作各种有趣甚至有用的项目，从Web机器人搜索和下载文件到玩具，以驱动您的宠物疯狂。 即使你是一般的编程新手，你也会看到创建一个家庭安全系统，一个水下摄影系统，一个带摄像头的遥控飞机，甚至一个带摄像头的近太空气象气球是多么容易。您将学习如何使用Pi与Arduino以及Pi与Gertboard，一个带有板载ATmega微控制器的扩展板。 学习使用Python的Raspberry Pi编程 已在此新版本中进行了全面更新，以涵盖新板的功能。您将学习如何使用动手实例和有趣的项目在Raspberry Pi上使用Python进行编程。

检查保持大数据质量和发现新颖解决方案的问题。您将学习四大V 数据，包括准确性，并从各个角度研究问题。讨论的解决方案来自工程和数学的各个领域，包括机器学习，统计，形式方法和区块链技术。 大数据的准确性是对机器学习算法和各种技术（如卡尔曼滤波器，SPRT，CUSUM，模糊逻辑和区块链）的介绍，展示了它们如何用于解决准确性领域的问题。使用示例，技术背后的数学用易于理解的语言解释。 确定实际应用程序中大数据的真实性涉及使用各种工具来分析可用信息。本书深入研究了一些可以使用的技术。Twitter等微博网站在公共生活中发挥了重要作用，包括在总统选举期间。本书使用在特定主题上发布的微博示例来演示如何检查和建立准确性。在检测微博网站上的隐藏攻击以影响公众舆论的背景下描述了一些技术。

探索一种共同而强大的深层信仰网络的基本构建模块：卷积网。本书向您展示了这些优雅模型的结构如何比传统神经网络更接近人类大脑的结构; 他们有一个’思考过程’，能够学习从更简单的原语构建的抽象概念。这些模型对图像处理应用特别有用。 在每个步骤中，C ++和CUDA C：第3卷中的Deep Belief Nets提供了直观的动机，与该主题相关的最重要方程的摘要，并以现代CPU上的线程计算以及计算机上的大规模并行处理的高度注释代码作为结束具有CUDA功能的视频显示卡。书中提供的所有例程的源代码以及实现这些算法的可执行CONVNET程序都可以免费下载。

处理数据，从头开始在代码中构建财务公式，并在日常生活中评估和思考资金。这本书是关于Python和个人理财的，以及如何有效地将两者结合在一起。 在使用Python的Personal Finance中，您将通过创建利润计算器，货币转换器，摊销计划，预算，投资组合再平衡器和购买预测器来学习Python和财务。许多示例使用pandas，Python中的主要数据操作工具。每一章都是实践性的，自成一体的，并以有趣和有趣的例子为动力。 虽然本书假定您对编程和Python语言的熟悉程度很低，但如果您没有，请不要担心。一切都是逐件建立的，第一章是以轻松的步伐进行的。您需要Python 3.6（或更高版本），并且包含所有设置详细信息。

通过广泛的理论，实验室和实际使用案例，逐步探索以太坊生态系统。本书将向您介绍BlockChain的概念; 分散的应用; 以太坊的架构; Solidity智能合约编程与实例; 在本地计算机和云上测试，调试和部署智能合约。您将涵盖编写合同的最佳实践，其中包含大量示例，以便您编写具有最佳燃料使用的高质量合同。在后面的章节中，建筑师和开发人员的以太坊涵盖了来自不同业务领域的用例，例如财务，旅行，供应链，保险和土地登记。许多这些部门都用流程图，图表和示例代码进行了解释，您可以参考这些部分并在实际项目中进一步增强。

获得广泛的高级数据分析概念基础，并发现Neo4j，Elasticsearch和MongoDB等数据库的最新变化。本书讨论了如何实现ETL技术，包括局部爬行，这种技术应用于高频算法交易和面向目标的对话系统等领域。您还将看到机器学习概念的示例，如半监督学习，深度学习和NLP。高级数据分析使用Python还涵盖了重要的传统数据分析技术，如时间序列和主成分分析。

使用深度学习中的高级主题，例如优化算法，超参数调整，丢失和错误分析，以及解决训练深度神经网络时遇到的典型问题的策略。您将首先研究激活函数，主要是使用单个神经元（ReLu，Sigmoid和Swish），了解如何使用TensorFlow执行线性和逻辑回归，并选择正确的成本函数。 下一节将讨论具有多个层和神经元的更复杂的神经网络架构，并探讨权重随机初始化的问题。整章专门介绍神经网络误差分析的完整概述，给出了解决来自不同分布的方差，偏差，过度拟合和数据集的问题的示例。 Applied Deep Learning还讨论了如何在不使用除NumPy之外的任何Python库的情况下完全从头开始实现逻辑回归，让您了解TensorFlow等库如何实现快速有效的实验。包括每种方法的案例研究，以实施所有理论信息。您将发现编写优化的Python代码的技巧和窍门（例如使用NumPy进行矢量化循环）。

使用FreeRTOS和libopencm3代替Arduino软件环境，本书将帮助您开发超越Arduino规范的多任务应用程序。除了典型的Arduino器件中常见的外设之外，STM32器件还包括USB控制器，RTC（实时时钟），DMA（直接存储器访问控制器），CAN总线等。 每章都包含对STM32硬件功能的清晰解释，以帮助您开始使用该设备，包括GPIO和其他几种ST Microelectronics外设，如USB和CAN总线控制器。您将学习如何使用GCC下载和设置libopencm3 + FreeRTOS开发环境。设置好所有内容后，您将利用FreeRTOS创建任务，队列和互斥锁。您还将学习使用I2C总线来使用PCF8574芯片添加GPIO。以及如何使用硬件定时器为RC控制创建PWM输出。 您将了解掌握STM32所需的新概念，例如如何使用外部Winbond W25Q32闪存芯片扩展GCC覆盖代码。您的知识将在每章末尾通过练习进行测试。完成本书后，您就可以使用STM32系列中的任何设备了。

生成功能齐全的智能系统，利用机器学习和用户交互的数据，随着时间的推移不断改进并取得成功。 本书教您如何从头到尾构建智能系统，并在实践中利用机器学习。您将了解如何将您现有的技能应用于软件工程，数据科学，机器学习，管理和程序管理，以生成工作系统。 构建智能系统基于十多年构建互联网规模智能系统的经验，该系统每天在世界上一些最大和最重要的软件系统中拥有数亿用户交互。

使用优化建模探索使用Python解决人工智能问题的艺术和科学。本书涵盖了数学代数模型的实际创建和分析，如线性连续模型，非明显线性连续模型， 和纯线性整数模型。作为数十年行业教学和咨询的产品，Practical Python AI Projects不是专注于理论，而是强调模型创建方面; 对比的替代方法和实际变化。 每个模型都经过彻底解释并编写完成。本书中所有示例的源代码都是可用的，使用Google OR-Tools以Python编写。它还包括一个随机问题生成器，可用于行业应用或研究。

编程乐高®我的积木可准确地在竞赛垫上执行导航功能，例如快速精确地前进和后退，转弯，跟随墙壁和后续线路。本书以大量插图为特色，有助于将每个步骤和概念变为现实，以便您轻松跟进。 您将首先向前和向后移动您的作品，同时保持方向精确度。然后，您将构建我的块以精确的角度左右转动。之后，您的创作将准备好找到，关注和以其他方式在垫子上使用线条来提高导航准确性。最后，您将深入研究使用游戏板边界墙进行导航和高级主题，例如速度切换和加速/减速，以在保持导航精度的同时实现更高的速度。 本书介绍了FLL®竞赛特定背景下的EV3编程。通过编程Lego®EV3My Blocks，您可以随时准备好管理赛季，为比赛做准备并参加比赛！

本书主要介绍了多智能体机器人强化学习的相关内容。全书共6章，首先介绍了几种常用的监督式学习方法，在此基础上，介绍了单智能体强化学习中的学习结构、值函数、马尔科夫决策过程、策略迭代、时间差分学习、Q学习和资格迹等概念和方法。然后，介绍了双人矩阵博弈问题、多人*博弈学习问题，并通过3种博弈游戏详细介绍了纳什均衡、学习算法、学习自动机、滞后锚算法等内容，并提出LR-I滞后锚算法和指数移动平均Q学习算法等，并进行了分析比较。接下来，介绍了模糊系统和模糊学习，并通过仿真示例详细分析算法。后，介绍了群智能学习进化以及性格特征概念和应用。全书内容丰富，重点突出。

这是第三卷！注意是第三卷！！！Building on the successful first and second volumes, this book is the third volume of the Springer book on the Robot Operating System (ROS): The Complete Reference. The Robot Operating System is evolving from year to year with a wealth of new contributed packages and enhanced capabilities. Further, the ROS is being integrated into various robots and systems and is becoming an embedded technology in emerging robotics platforms. The objective of this third volume is to provide readers with additional and comprehensive coverage of the ROS and an overview of the latest achievements, trends and packages developed with and for it. Combining tutorials, case studies, and research papers, the book consists of sixteen chapters and is divided into five parts. Part 1 presents multi-robot systems with the ROS. In Part 2, four chapters deal with the development of unmanned aerial systems and their applications. In turn, Part 3 highlights recent work related to navigation, motion planning and control. Part 4 discusses recently contributed ROS packages for security, ROS2, GPU usage, and real-time processing. Lastly, Part 5 deals with new interfaces allowing users to interact with robots. Taken together, the three volumes of this book offer a valuable reference guide for ROS users, researchers, learners and developers alike. Its breadth of coverage makes it a unique resource.

截止到2013年，同济大学在美国数学建模竞赛中获得BenFusaro奖及入围奖1项，一等奖13项，二等奖25项，三等奖42项。本书正是精选了这些获奖论文中具有代表性的论文，每篇论文都按照竞赛论文的写作要求包含了论文的摘要、问题重述、问题分析、模型假设、模型建立和求解、模型分析和检验、模型评价等内容，在论文前列出原题，编者还在论文后给出了简要的点评，以供读者参考。 　　同济大学数学建模组主编的《美国数学建模竞赛同济大学优秀论文选评》可供参加美国数学建模竞赛的学生学习和阅读，对于从事数学建模课程教学及指导工作的老师也有一定的参考价值，也可供相关学科的技术人员参考。

《美国数学建模竞赛同济大学优秀论文选评(上)》介绍截止到2013年，同济大学在美国数学建模竞赛中获得BenFusaro奖及入围奖1项，一等奖13项，二等奖25项，三等奖42项。《美国数学建模竞赛同济大学优秀论文选评(上)》正是精选了这些获奖论文中具有代表性的论文，每篇论文都按照竞赛论文的写作要求包含了论文的摘要、问题重述、问题分析、模型假设、模型建立和求解、模型分析和检验、模型评价等内容，在论文前列出原题，编者还在论文后给出了简要的点评，以供读者参考。

《机器人手册》是2013年出版的图书，作者是BrunoSiciliano（布鲁诺·西西利亚诺）和OussamaKhatib（欧沙玛·哈提卜）。 机器人手册》从学科基础入手，介绍了机器人各个卓有成效的研究领域，包括最新出现的机器人各种应用，展现了机器人学领域的一幅全面图景。全书共分7篇，其中各章均运用经典的方法引导出将阐述的内容，避免了正在接受验证和尚未完全成熟的方法。《机器人手册》内容先进，实用性强，是机械、控制、传感器技术、信息信号处理、模式识别、人工智能和计算机技术交叉领域内具有前沿性、综合性及权威性的著作，为推动机器人领域研究的快速发展将起到极其重要的作用。

本书围绕机器人将从为工业生产服务扩展到人们的日常生活领域所面临的技术课题，介绍轮式移动机器人自主控制的关键技术、理论方法和应用，提出机器人各功能模块的技术和实现方法，并介绍移动机器入学的各个方面，包括硬件设计、轮子设计、运动学分析、传感器、感知、定位、导航，以及机器人图形化编程控制系统。本书总结作者几年来在机器人方面的科研和教学工作，较系统地把轮式自主移动机器人所涉及的关键技术集合成一个整体，既适合各高等院校自动化、机器人学等专业的本科生，也适合从事移动机器人和服务机器人的研究、开发和应用的科技人员参考。

Python Machine Learning Machine Learning And Deep Learning From Scratch Illustrated With Python, Scikit-Learn, Keras, Theano And Tensorflow by Moubachir Madani Fadoul (z-lib.org).pdf

Robot Operating System (ROS): The Complete Reference (Volume 4) Anis Koubaa This is the fourth volume of the successful series Robot Operating Systems: The Complete Reference, providing a comprehensive overview of robot operating systems (ROS), which is currently the main development framework for robotics applications, as well as the latest trends and contributed systems. The book is divided into four parts: Part 1 features two papers on navigation, discussing SLAM and path planning. Part 2 focuses on the integration of ROS into quadcopters and their control. Part 3 then discusses two emerging applications for robotics: cloud robotics, and video stabilization. Part 4 presents tools developed for ROS; the first is a practical alternative to the roslaunch system, and the second is related to penetration testing. This book is a valuable resource for ROS users and wanting to learn more about ROS capabilities and features.

Electronics Cookbook Practical Electronic Recipes with Arduino and Raspberry Pi.pdf

物联网项目通常包含传感器、单片机、网关设备、通信模块、网络协议、后台程序、Web端等多个部件，需要多种编程语言以及研发技能的支持。 在产品原型验证的初期，尤其对于小团队来说，整合众多的研发力量并非易事。本书通过一个完整的实战项目展示物联网从设备到云端开发的全貌。该项目（智能种植系统）涵盖了远程灯控、安防告警、环境监测、智能滴灌、设备管理等多个功能模块。项目所有代码在GitHub开源并配套了硬件开发板。 本项目基本使用Python一种语言实现了传感器、STM32单片机、嵌入式ARM-Linux网关、云端程序的开发。有了Python丰富的第三方库和模块的支撑，即便是欠缺硬件和嵌入式知识的开发者也可玩转物联网，快速实现物联网产品。

Tableau 10 Business Intelligence Cookbook。Tableau is a software tool that can speed up data analysis through its rich visualization capabilities, and help uncover insights for better and smarter decision making. This book is for the business, technology, data and analytics professionals who use and analyze data and data-driven approaches to support business operations and strategic initiatives in their organizations. This book provides easy-to-follow recipes to get the reader up and running with Tableau 10, and covers basic to advanced use cases and scenarios. The book starts with building basic charts in Tableau and moves on to building more complex charts by incorporating different Tableau features and interactivity components. There is an entire chapter dedicated to dashboard techniques and best practices. A number of recipes specifically for geospatial visualization, analytics, and data preparation are also covered. By the end of this book, you’ll have gained confidence and competence to analyze and communicate data and insights more efficiently and effectively by creating compelling interactive charts, dashboards, and stories in Tableau

《例说STM32》以ALIENTEK MiniSTM32开发板为实验平台,结合28个具体实例,由浅入深,一步步讲解STM32的各个外设.随书附带的光盘带有全部实验的源码,另外还有一些 扩展实例,此部分实例虽没有在书本涉及,但也颇具参考价值,作为额外的参考资料附送给读者.书本配套的源码,都有详细的中文注释,让读者非常容易看懂,所 有源码直接复制到电脑,编译,下载即可观看实验结果,非常直观.另外,书本的源码都是基于寄存器的,如果您有学过51或者AVR之类的单片机,那就可以很 快入手.希望<>能带您进入Cortex M3 的殿堂

《STM32嵌入式系统开发实战指南》以一款轻量级嵌入式实时操作系统为样本，阐述了嵌入式实时操作系统任务管理、时间管理、资源共享、内存管理等机制，介绍了内核及TCP/IP的移植和具体使用方法。为了避免枯燥的理论阐述，本书辅以适量的例程帮助大家学习。此外，本书还简要阐述了硬件平台设计、项目开展的一般步骤和注意事项。 《STM32嵌入式系统开发实战指南》适合已熟悉STM32的操作、掌握基于STM32官方驱动库的前后台模式应用软件开发的读者或初级嵌入式软件开发工程师阅读

内容简介： 本书主要介绍STM32的库函数，以及如何使用库的方式进行开发，使初学者能够在此基础上迅速入门，掌握STM32的开发方法。本书基于ARM—CortexM3内核的STM32F103芯片，紧紧围绕“库”展开，系统地讲述了STM32固件库的原理、使用方法。

嵌入式系统原理与实践:ARMCortex-M4Kinetis微控制器

2019.03.14 MATLAB公开教程的PPT，课程内容： 1. 简介 深度学习：直接从数据中进行学习 卷积神经网络：用于图像识别、目标检测、语义分割等任务 2. MATLAB的优势 支持与Tensorflow/Pytorch等开源框架协作 简单易学，高质量的帮助文档和大量示例 高效的开发平台，完整的工具链 实用的数据标注和可视化工具 强大的代码生成功能 支持多平台部署 3. 仅用11行代码实现图像分类 1行代码直接导入经典的Alexnet网络模型 通过摄像头实时采集图像数据，可识别1000种常见物体 4. 迁移学习的力量 基于已有的卷积神经网络进行微调，实现专属图像识别 丰富的预训练模型，包括SqueezeNet, ResNet-18, DenseNet-201, Inception-ResNet-v2等 5. 设计复杂网络的利器：Deep Network Designer 图形交互界面，便于设计和修改复杂的网络 支持一键分析，自动修正网络结构中的错误 6. MATLAB与Tensorflow/Pytorch等开源框架的协作 通过ONNX (Open Neural Network Exchange)共享深度学习模型 支持直接导入Keras和Caffe的模型

This practical guide will teach you how deep learning (DL) can be used to solve complex real-world problems. Key Features Explore deep reinforcement learning (RL), from the first principles to the latest algorithms Evaluate high-profile RL methods, includ。

FreeRTOS源码详解与应用开发—基于STM32 　　本书辅以大量的例程,全面讲解了Fr e eRTOS的原理以及源码,主要内容包括任务管理和任 务调度、系统裁减和配置、时间管理、队列、信号量、软件定时器、事件标志组、任务通知、低功耗 Ti ck l e s s模式、空闲任务以及内存管理等。同时,本书配有大量的图例,对于想要深入学习RTOS 类系统原理的人来说是一个不错的选择。 本书配套资料包括视频教程、文档教程、各个例程的源码及相关参考资料,所有资料均可在开 源电子网免费下载。 本书适合那些想要学习Fr e eRTOS的初学者,也可作为高等院校计算机、电子技术、自动化、 嵌入式等相关专业的教材。

机器学习是人工智能领域中一个极其重要的研究方向。强化学习是机器学习中的一个重要分支。作为解决序贯优化决策的有效方法，强化学习有效地应用于计算科学、自动控制、机器人技术等各个领域。 当前，强化学习的核心任务是提高学习效率，本书就是针对此问题展开的。第1章介绍系统概念和增强机器学习，它建立了一个突出的相同的机器学习系统范例；第2章将更多关注机器学习的基本原理和多视角学习；第3章关于强化学习；第4章处理机器学习系统和模型建立的问题；决策推理等重要的部分将在第5章展开；第6章讨论了自适应机器学习；第7章讨论了多视角和全局系统性机器学习；第8章讨论了增量学习的需要和知识表示；第9章处理了知识增长方面的问题；第10章讨论了学习系统的建立。 本书适合于机器学习、自动化技术、人工智能等方面的相关专业教师与研究生阅读，也可供自然科学和工程领域相关研究人员参考。

使用OpenBTS部署您自己的专用移动网络，OpenBTS是在GSM和UMTS无线无线接口和开放IP协议之间进行转换的开源软件项目。通过这个实用的分步指南，您将学习如何使用OpenBTS构建简单，灵活且廉价的软件移动网络。 OpenBTS可以将任何互联网连接作为移动网络分布在大型地理区域，并提供与物联网中远程设备的连接。本书非常适合对此技术不熟悉的电信和软件工程师，可帮助您构建具有语音和SMS服务以及数据功能的基本OpenBTS网络。从那里，您可以创建自己的利基产品或实验功能。

使用工业4.0创建应用程序。了解如何使用物联网（IoT）增强人工智能（AI）和机器学习（ML）功能，并使用区块链进行保护，因此您的最新应用程序不仅可以更智能，而且可以比以前更加连接和安全。本书涵盖了Microsoft最新的易用API和服务，包括Azure IoT，认知服务API，区块链即服务（BaaS）和Machine Learning Studio。 在您完成本书的过程中，您将获得实践经验，建立一个使用所有这些技术的示例解决方案 – 一个用于智能医疗保健设施的物联网套件。该解决方案托管在Azure上并使用Azure IoT联网，包括集中式患者监控，使用认知服务API进行面部检测，识别和跟踪。区块链用于创建基于信任的安全性和库存管理。机器学习用于创建预测解决方案，以主动改善生活质量。到本书结束时，您将有信心使用这些技术创建更丰富，更智能的应用程序。

利用您的Python机器学习思路，创建任何具有Internet连接的人都可以访问的无服务器Web应用程序。本书涵盖了一些最流行的无服务器云提供商 – 亚马逊，微软，谷歌和PythonAnywhere。 您将以越来越复杂的顺序处理一系列常见的Python数据科学问题。本书中介绍的实际项目简单明了，可以用作模板来启动许多其他类型的项目。您将学习围绕数字或分类预测创建Web应用程序，理解文本分析，创建强大的交互式演示文稿，提供受限制的数据访问，以及利用Web插件接受信用卡付款和捐赠。您将立即将您的项目交到世界各地。 每章都遵循三个步骤：正确建模，设计和开发本地Web应用程序，以及部署到流行且可靠的无服务器云提供商。您可以轻松跳转或跳过本书中的特定主题。您还可以访问Jupyter笔记本和代码存储库，以获取本书中涵盖的完整版本的代码。

应用开源智能（OSINT）技术，方法和工具从公共可用的在线资源中获取信息，以支持您的情报分析。在不同的情景中使用收获的数据，例如财务，犯罪和恐怖主义调查，以及进行商业竞争分析和获取有关个人和其他实体的情报。本书还将提高您通过常规互联网以及隐藏网络在线获取信息的技能，包括两个子层：深度网络和黑暗网络。 作者包括许多OSINT资源，情报机构和企业可以使用这些资源来监控全球趋势，识别风险并收集竞争对手的情报，从而做出更有效的决策。您将发现黑客和渗透测试人员同样使用的技术，方法和工具，以在线收集有关特定目标的情报。您将了解OSINT资源如何用于进行社会工程攻击。 开源智能方法和工具采用实用方法，列出了数百种可用于从在线公共来源收集情报的OSINT资源。本书还介绍了如何在线匿名化您的数字身份，以便您可以在不泄露自己身份的情况下进行搜索活动。

了解所有级别的人工智能（AI）如何出现在最难以想象的普通生活场景中。本书探讨了诸如神经网络，代理，多代理系统，监督学习和无监督学习等主题。这些和其他主题将通过实际示例进行解决，因此您可以使用AI解决方案学习基本概念并将其应用于您自己的项目。 人们倾向于将人工智能视为神秘而与他们日常生活无关的东西。实用人工智能提供简单的解释和实施指示。本书不是专注于理论和过于科学的语言，而是使各级实践者不仅能够学习人工智能，还能实现其实际用途。

弥合对算法如何工作的高级理解与了解螺母和螺栓以更好地调整模型之间的差距。在开发所有主要机器学习模型时，本书将为您提供信心和技能。在Pro机器学习算法中，您将首先在Excel中开发算法，以便在使用Python / R实现模型之前，实际了解可在模型中调整的所有杠杆。 您将涵盖所有主要算法：监督和无监督学习，包括线性/逻辑回归; k均值聚类; PCA; 推荐系统; 决策树; 随机森林; GBM; 和神经网络。您还将通过CNN，RNN和word2vec接触最新的深度学习文本挖掘。您不仅要学习算法，还要学习特征工程的概念，以最大限度地提高模型的性能。您将看到该理论以及案例研究，例如情绪分类，欺诈检测，推荐系统和图像识别，以便您在工业中使用的绝大多数机器学习算法中充分利用理论和实践。随着学习算法， 您应该对统计/软件编程知之甚少，在本书的最后，您应该能够自信地开展机器学习项目。

探索最新的Python工具和技术，帮助您解决数据采集和分析领域的问题。您将使用NumPy进行科学计算，使用matplotlib进行可视化，使用scikit-learn进行机器学习。 此修订版全面更新了社交媒体数据分析，OpenCV图像分析和深度学习库的新内容。每章都包含多个演示如何使用每个库的示例。其核心是大熊猫的覆盖范围，用于高性能，易于使用的数据结构和数据操作工具 作者Fabio Nelli熟练地演示了如何使用Python进行数据处理，管理和信息检索。后面的章节将您学到的知识应用于手写识别并使用JavaScript D3库扩展图形功能。无论您是处理销售数据，投资数据，医疗数据，网页使用情况还是其他数据集，Python Data Analytics，Second Edition都是一个非常宝贵的参考资料，其中包含存储，访问和分析数据的示例。