当前位置:首页 > 名称

大约有2,000项符合查询结果项。(搜索耗时:0.0232秒)

为您推荐: 机器学习 量子机器学习 机器学习导论 深度强化学习理论及其在机器人运动控制中的应用实践 python卫生健康机器学习基本方法与实践 高通量多尺度材料计算和机器学习

  • 机器学习与流场数据可视化 【工业技术】

    张丽著2017 年出版141 页ISBN:9787121314469

    本书主要讲述科学计算可视化的内容、技术现状和挑战,机器学习基本理论,使用Adaboost和CAVIAR两种方法进行科学计算可视化的理论和方法。全书共7章,主要内容包括:概述,流场数据对象及流场特性,流场基础特征可视化,...

  • 多智能体机器学习 强化学习方法 【工业技术】

    H.M.Schwartz2017 年出版185 页ISBN:9787111569602

    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...

  • 机器学习原理及应用 【工业技术】

    陈海虹2017 年出版364 页ISBN:9787564748166

    本书为配合大数据产业发展需要,主要介绍了什么是机器学习机器学习的发展历程及研究现状、分类、应用前景,机器学习的基础理论,人工神经网络,主流的机器学习模型,机器学习方法,大数据时代的数据挖掘与机器学习......

  • PYTHON 机器学习(影印版) 【外文】

    SEBASTIAN RASCHKA著2017 年出版425 页ISBN:9787564170776

    机器学习和预测分析正在改变商业和其他组织的运作模式。本书将带你进入预测分析的世界,通过演示告诉你为什么Python是世界顶尖的数据科学语言之一。如果你想询问更深入的数据问题,或是想增进、拓展机器学习系...

  • 机器人操作系统ROS原理与应用 【工业技术】

    周兴杜,杨刚,王岚等编著2017 年出版209 页ISBN:9787111568360

    本书主要分析ROS的核心功能实现原理,探讨基于ROS的智能机器人软件系统优化开发方法与实现技术。本书主要分为四部分:智能机器人发展现状和ROS基本框架;ROS核心功能包集实现原理及源码分析;基于ROS的服务、工...

  • Microsoft Azure机器学习和预测分析 【工业技术】

    (美)巴尔加;(美)丰塔玛;(新加坡)卓伟雄著2017 年出版190 页ISBN:7115458480

    本书是一本讲解数据科学和机器智能的实用指南,它旨在帮助读者构建和部署预测模型。本书还提供了对Microsoft Azure机器学习工具的全方位指导,对于构建推荐系统、倾向模型以及预测模型给出了实用性的指导。本...

  • 高效机器学习 理论、算法及实践 【工业技术】

    (黎)玛丽特阿瓦德,(美)拉胡尔肯纳著;李川,林旺群,郭际香,李征译2017 年出版238 页ISBN:9787111567165

    本书共11章,将高效机器学习的理论、设计原则以及实际应用有机结合,深入探讨了机器学习的主要课题,包括知识发现、分类、遗传算法、神经网络、内核方法和生物启发技术等。读者可从中了解机器学习技术可以解决的...

  • 实用机器学习 【工业技术】

    (美)亨里克·布林克(Henrik Brink),(美)约瑟夫W.理查兹(Joseph W.Richards),(美)马克·弗特罗夫(Mark Fetherolf)著2017 年出版207 页ISBN:9787111569220

    本书介绍了实用机器学习的工作流程,主要是从实用角度进行描述,没有数学公式和推导。涵盖了数据收集与处理、模型构建、评价和优化,特征的识别、提取和选择技术,高级特征工程,数据可视化技术,以及模型的部署和安.....

  • Scala机器学习 【工业技术】

    (美)亚历克斯·科兹洛夫(AlexKozlov)著2017 年出版204 页ISBN:9787111572152

    本书用了10章来介绍怎么使用Scala在Spark平台上实现机器学习算法,其中Scala的版本为2.11.7,Spark采用基于Hadoop 2.6的版本,这些都是比较新的版本。本书从数据分析师怎么开始数据分析入手,介绍了数据驱动过程和...

  • 大数据巨量分析与机器学习的整合与开发 【工业技术】

    韦鹏程,冉维,段昂2017 年出版322 页ISBN:9787564745127

    本书讲述大数据和机器学习的基本概念,如:分类、分析、训练、建模、预测、机器学习(推荐引擎)、机器学习(二元分类)、机器学习(多元分类)、机器学习(回归分析)和数据可视化应用。为降低读者学习大数据技术的......

返回顶部