Python机器学习与可视化分析实战

评分0.0分

使用机器学习进行数据可视化分析是近年来研究的热点内容之一。本书使用**的Python作为机器学习的基本语言和工具，从搭建环境开始，逐步深入到理论、代码、应用实践中去，从而使初学者能够独立使用机器学习完成数据分析。本书配套示例代码、PPT课件和答疑服务。 本书分为10章，内容包括：机器学习与Python开发环境、用于数据处理及可视化展示的Python类库、NBA赛季数据可视化分析、聚类算法与可视化实战、线性回归与可视化实战、逻辑回归与可视化实战、决策树算法与可视化实战、基于深度学习的酒店评论情感分类实战、基于深度学习的手写体图像识别实战、TensorFlow Datasets和TensorBoard训练可视化。 本书内容详尽、示例丰富，是机器学习初学者的入门书和必备的参考书，也可作为高等院校计算机及大数据相关专业的教材使用。

谷歌JAX深度学习从零开始学

评分5.7分

JAX是一个用于高性能数值计算的Python库，专门为深度学习领域的高性能计算而设计。本书详解JAX框架深度学习的相关知识，配套示例源码、PPT课件、数据集和开发环境。 本书共分为13章，内容包括JAX从零开始，一学就会的线性回归、多层感知机与自动微分器，深度学习的理论基础，XLA与JAX一般特性，JAX的高级特性，JAX的一些细节，JAX中的卷积，JAX与TensorFlow的比较与交互，遵循JAX函数基本规则下的自定义函数，JAX中的高级包。最后给出3个实战案例：使用ResNet完成CIFAR100数据集分类，有趣的词嵌入，生成对抗网络（GAN）。 本书适合JAX框架初学者、深度学习初学者以及深度学习从业人员，也适合作为高等院校和培训机构人工智能相关专业的师生教学参考书。

Spark 3.0大数据分析与挖掘：基于机器学习

评分10.0分

Spark作为新兴的、应用范围广泛的大数据处理开源框架，吸引了大量的大数据分析与挖掘从业人员进行相关内容的学习与开发，其中ML是Spark 3.0机器学习框架使用的核心。本书用于Spark 3.0 ML大数据分析与挖掘入门，配套示例源码、PPT课件、数据集、思维导图、开发环境和作者答疑服务。本书共分13章，从Spark 3.0大数据分析概述、基础安装和配置开始，依次介绍ML的DataFrame、ML的基本概念，以及协同过滤、线性回归、分类、决策树与随机森林、聚类、关联规则、数据降维、特征提取和转换等数据处理方法；最后通过经典的鸢尾花分析实例，回顾前面的学习内容，实现了一个完整的数据分析与挖掘过程。本书采取实例和理论相结合的方式，讲解细致直观，示例丰富，适合Spark 3.0机器学习初学者、大数据分析和挖掘人员，也适合高等院校和培训机构人工智能与大数据相关专业的师生教学参考。

深度学习案例精粹：基于TensorFlow与Keras

评分0.0分

本书以实战为主，通过丰富的实战案例向读者介绍深度学习可应用和落地的项目，书中所有案例都基于Python+TensorFlow2.5+Keras技术，可用于深度学习课程的实战训练。本书配套示例源码、PPT课件、思维导图、数据集、开发环境与答疑服务。全书共分11章。第1章讲解深度学习的概念、流程、应用场景、模型分类和框架选择，第2~11章列举深度学习的项目实战案例，包括手写体识别、数据集分类、情感分类、文本情感分类、编码器、汉字拼音转换、中文文本分类、多标签文本分类、人脸检测、人脸识别、语音汉字转换。本书内容详尽、案例丰富，是深度学习初学者必备的参考书，适合有基础、亟待提升自己技术水平的人工智能从业人员，也可作为高等院校和培训机构人工智能及相关专业的教材使用。

TensorFlow知识图谱实战

评分6.2分

大数据时代的到来，为人工智能的飞速发展带来前所未有的数据红利。在大数据的“喂养”下，大量知识不断涌现，如何有效地发掘这些知识呢？知识图谱横空出世。本书是一本讲解如何使用TensorFlow 2构建知识图谱的入门教程，引导读者掌握基于深度学习的知识图谱构建概念、理论和方法。 本书分为13章：第1章从搭建环境开始，包含TensorFlow CPU 版本和GPU版本的安装，并通过一个知识图谱的例子引导读者开始学习；第2~4章介绍TensorFlow API的使用；第5章是Dataset API，学习使用原生API处理数据的方法；第6~8章是实战准备部分，介绍ResNet模型、词嵌入（word embedding）模型、情感分类；第9 ~10章在“注意力模型”基础上搭建了“编码器模型”；第11~13章搭建了知识图谱联合抽取模型，利用本书所学知识实战知识图谱的搭建过程和性能提升方案。本书内容详尽、示例丰富，适合作为知识图谱和深度学习读者的参考书，同时也适合开设人工智能专业的大中专院校师生阅读，还可作为高等院校计算机及相关专业教材使用。

TensorFlow 2.0深度学习应用实践

评分8.0分

本书内容分为22章，包括Python类库的安装和使用、TensorFlow基本数据结构和使用、TensorFlow数据集的创建与读取、人工神经网络介绍、反馈神经网络的理论基础，深度学习模型的创建以及相关特性介绍等内容，并在本书各个模型部分特别介绍了模型调参的初步知识。本书强调理论联系实际，着重介绍了TensorFlow编程解决图像识别的应用，提供了大量数据集供读者使用，也以代码的形式实现了深度学习模型实供读者参考。

Python量化交易实战

评分8.8分

在目前不断变化、蓬勃发展的中国资本市场，量化投资作为新兴的投资方法，引来越来越多的关注，使用量化投资技术的证券从业人员也越来越多。 本书分为11章，内容包括Python环境的搭建、Python数据相关类库的使用、掘金量化终端的使用、Talib金融库的详解、多因子策略的介绍、带技术指标的多因子策略、中证红利指数增强策略、回归分析与TensorFlow、回归模型的经典应用、配对交易的魔力等。 本书可作为量化投资技术初学者、证券从业人员、金融投资人员的自学用书，也可作为金融机构的培训用书，还可作为高等院校相关专业师生的教学参考书。

OpenCV+TensorFlow深度学习与计算机视觉实战

评分7.3分

本书旨在掌握深度学习基本知识和特性的基础上，培养使用TensorFlow+OpenCV进行实际编程以解决图像处理相关问题的能力。全书力求通过通俗易懂的语言和详细的程序分析，介绍TensorFlow的基本用法、高级模型设计和对应的程序编写。本书共13章，内容包括计算机视觉与深度学习的关系、Python的安装和使用、Python数据处理及可视化、机器学习的理论和算法、计算机视觉处理库OpenCV、OpenCV图像处理实战、TensorFlow基本数据结构和使用、TensorFlow数据集的创建与读取、BP神经网络、反馈神经网络、卷积神经网络等。本书强调理论联系实际，着重介绍TensorFlow+OpenCV解决图像识别的应用，提供大量数据集供读者使用，并以代码的形式实现深度学习模型实例供读者参考。本书既可作为学习人工神经网络、深度学习、TensorFlow程序设计以及图像处理等相关内容的程序设计人员的自学用书，也可作为高等院校和培训学校相关专业的教材使用。

JavaScript 程序设计案例教程

评分0.0分

本教材完全按照基于工作过程的要求编写，通过一个个的案例设计，全面地介绍了Javascript程序设计的概念和方法，主要包括Javascript的基本概述、基本语法、程序的基本流程控制结构、BOM/DOM对象模型中对象的属性和方法的具体应用，通过具体的案例设计，力求让读者通过本教材的学习，比较快地掌握网站中的特效制作和客户端验证技术的实现，为进一步深入学习B/S结构编程打下良好的基础。 本教材可以做为培养应用型、技能型人才的计算机相关专业的教材，也可以作为初学者的自学教程。

MapReduce 2.0源码分析与编程实战

评分9.2分

《MapReduce 2.0源码分析与编程实战》比较系统地介绍了新一代MapReduce 2.0的理论体系、架构和程序设计方法。全书分为10章，系统地介绍了HDFS存储系统，Hadoop的文件I/O系统，MapReduce 2.0的框架结构和源码分析，MapReduce 2.0的配置与测试，MapReduce 2.0运行流程，MapReduce 2.0高级程序设计以及相关特性等内容。