午夜影院一区二区,久久天天躁狠狠躁夜夜呲,免费无码av片在线观看,久久午夜无码鲁丝片午夜精品

如果開始想學人工智能，該怎么入手
 
        人工智能的研究是從以“推理”為重點到以“知識”為重點，再到以“學習”為重點，擁有一條自然、清晰的脈絡。
        面對一個新興的領域，既要有追逐前沿技術的勇氣，也要有邏輯分析的冷靜。想要學好人工智能，還是要從學習開始，希望這幾本會給你帶來幫助，或者說至少能讓你明白，人工智能時代需要怎樣的人。

《數學之美》吳軍

        幾年前，“數學之美”系列文章原刊載于谷歌黑板報，獲得上百萬次點擊，得到讀者高度評價。 正式出版前，吳軍博士幾乎把所有文章都重寫了一遍，為的是把高深的數學原理講得更加通俗易懂，讓非專業讀者也能領略數學的魅力。 
　　《數學之美》上市后深受廣大讀者歡迎，并榮獲國家圖書館第八屆文津圖書獎。讀者說，讀了《數學之美》，才發現大學時學的數學知識，比如馬爾科夫鏈、矩陣計算，甚到余弦函數原來都如此親切，并且栩栩如生，才發現自然語言和信息處理這么有趣。 
　　而今，數學在信息產業中的應用越來越廣泛，因此，作者在第 二版中增加了一些內容，尤其是針對大數據和機器學習的內容，以便滿足人們對當下技術的學習需求。

《機器學習》周志華

        《機器學習》是計算機科學與人工智能的重要分支領域。《機器學習》作為該領域的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方面。全書共16章，大致分為3個部分：第1 部分（第1～3 章）介紹機器學習的基礎知識；第2部分（第4～10章）討論一些經典而常用的機器學習方法（決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習）；第3 部分（第11～16章）為進階知識，內容涉及特征選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等。 每章都附有習題并介紹了相關閱讀材料，以便有興趣的讀者進一步鉆研探索。
        《機器學習》可作為高等院校計算機、自動化及相關專業的本科生或研究生教材，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。

《漫談人工智能》集智俱樂部

　
   　 *受歡迎的科學探索群體——集智俱樂部首部科普著作
　　全面涵蓋人機交互、腦科學、計算心理學、系統科學、社會科學等前沿知識
　　生動的文筆，精美的插圖，數十位科學愛好者帶你展開一場人工智能探索之旅
　　制造出能夠像人類一樣思考的機器是人們長期以來的偉大夢想，也是當今科學發展的極致。從《終結者》《黑客帝國》《機器人瓦利》再到《超驗駭客》，我們多數人對人工智能的認識還停留在好萊塢電影階段，然而，人工智能作為一門計算機科學分支究竟是什么樣的？目前發展到了什么階段？能夠戰勝人類的終極AI機器真的會存在嗎？
　　從這本書中，你很快就會發現問題的答案。《科學的極致：漫談人工智能》將全面介紹人工智能的發展歷史、探究過程以及在各個領域的應用，以通俗易懂的語言和生動有趣的示例為你揭示人工智能不為人知的奧秘。
　　集智俱樂部是一個從事學術研究、享受科學樂趣的探索者組成的團體，倡導以平等開放的態度、科學實證的精神進行跨學科的研究與交流，力圖搭建一個中國的“沒有圍墻的研究所”。這些令人崇敬的、充滿激情與夢想的集智俱樂部成員將帶你了解圖靈機模型、馮?諾依曼計算機體系結構、怪圈與哥德爾定理、通用人工智能、深度學習、人類計算與自然語言處理，與你一起展開一場令人熱血沸騰的科學之旅。

《機器學習實戰》Peter Harrington

        機器學習是人工智能研究領域中一個極其重要的研究方向，在現今的大數據時代背景下，捕獲數據并從中萃取有價值的信息或模式，成為各行業求生存、謀發展的決定性手段，這使得這一過去為分析師和數學家所專屬的研究領域越來越為人們所矚目。 
　　《機器學習實戰》主要介紹機器學習基礎，以及如何利用算法進行分類，并逐步介紹了多種經典的監督學習算法，如k近鄰算法、樸素貝葉斯算法、Logistic回歸算法、支持向量機、AdaBoost集成方法、基于樹的回歸算法和分類回歸樹（CART）算法等。第三部分則重點介紹無監督學習及其一些主要算法：k均值聚類算法、Apriori算法、FP-Growth算法。第四部分介紹了機器學習算法的一些附屬工具。 
　　《機器學習實戰》通過精心編排的實例，切入日常工作任務，摒棄學術化語言，利用高效的可復用Python代碼來闡釋如何處理統計數據，進行數據分析及可視化。通過各種實例，讀者可從中學會機器學習的核心算法，并能將其運用于一些策略性任務中，如分類、預測、推薦。另外，還可用它們來實現一些更高 級的功能，如匯總和簡化等。

《TensorFlow 技術解析與實戰》李嘉璇

        TensorFlow?是谷歌公司開發的深度學習框架，也是目前深度學習的主流框架之一。本書從深度學習的基礎講起，深入TensorFlow框架原理、模型構建、源代碼分析和網絡實現等各個方面。全書分為基礎篇、實戰篇和提高篇三部分。基礎篇講解人工智能的入門知識，深度學習的方法，TensorFlow的基礎原理、系統架構、設計理念、編程模型、常用API、批標準化、模型的存儲與加載、隊列與線程，實現一個自定義操作，并進行TensorFlow源代碼解析，介紹卷積神經網絡（CNN）和循環神經網絡（RNN）的演化發展及其TensorFlow實現、TensorFlow的高 級框架等知識；實戰篇講解如何用TensorFlow寫一個神經網絡程序并介紹TensorFlow實現各種網絡（CNN、RNN和自編碼網絡等），并對MINIST數據集進行訓練，講解TensorFlow在人臉識別、自然語言處理、圖像和語音的結合、生成式對抗網絡等方面的應用；提高篇講解TensorFlow的分布式原理、架構、模式、API，還會介紹TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes結合、TensorFlowOnSpark、TensorFlow移動端應用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow計算加速等其他特性。zui后，附錄中列出一些可供參考的公開數據集，并結合作者的項目經驗介紹項目管理的一些建議。 　　
        本書深入淺出，理論聯系實際，實戰案例新穎，基于zui新的TensorFlow 1.1版本，涵蓋TensorFlow的新特性，非常適合對深度學習和TensorFlow感興趣的讀者閱讀。

《統計學習方法》李航

        《統計學習方法》是計算機及其應用領域的一門重要的學科。《統計學習方法》全面系統地介紹了統計學習的主要方法，特別是監督學習方法，包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與熵模型、支持向量機、提升方法、EM算法、隱馬爾可夫模型和條件隨機場等。除第1章概論和最后一章總結外，每章介紹一種方法。敘述從具體問題或實例入手，由淺入深，闡明思路，給出必要的數學推導，便于讀者掌握統計學習方法的實質，學會運用。為滿足讀者進一步學習的需要，書中還介紹了一些相關研究，給出了少量習題，列出了主要參考文獻。

        特別是數學基礎不好的，可以先看看吳軍的《數學之美》，講的比較通俗易懂。也可以邊做邊學，實踐是檢驗真理的唯一標準，畢竟大多數人還是以工程實踐為主，如果你想做研究理論的科學家，并不適合看本書。