机器学习与Python实践
目 录内容简介
人工智能是近年来全球非常火热的研究领域之一,随着机器学习、深度学习和强化学习研究的突破,人工智能技术已被应用到图像识别、机器翻译、语音助手和自动驾驶等方面。为了使读者能够深刻理解人工智能的技术,《机器学习与Python实践》基于Python的Scikit Learn库介绍了机器学习的基础知识,如分类、回归、反向传播算法和梯度下降算法,以及基于TensorFlow基础框架的深度学习和强化学习等相关知识。
《机器学习与Python实践》在内容上尽可能涵盖机器学习、深度学习和强化学习的经典算法(如卷积神经网络、循环神经网络、迁移学习等)并清晰地阐释它们的原理,《机器学习与Python实践》还对多个常见的经典数据集进行了算法模型的实践,如基于MNIST手写体图片和Iris Flowers Dataset鸢尾花数据集的识别、基于NLP数据集的文本分析以及基于OpenAIGym环境的AGV多智能体路径优化等。
查看完整
《机器学习与Python实践》在内容上尽可能涵盖机器学习、深度学习和强化学习的经典算法(如卷积神经网络、循环神经网络、迁移学习等)并清晰地阐释它们的原理,《机器学习与Python实践》还对多个常见的经典数据集进行了算法模型的实践,如基于MNIST手写体图片和Iris Flowers Dataset鸢尾花数据集的识别、基于NLP数据集的文本分析以及基于OpenAIGym环境的AGV多智能体路径优化等。
查看完整
比价列表价格走势