使用机器学习技术解决实际应用问题涉及模型的建立、训练及评估等步骤。优化算法常被用于训练模型的参数，是机器学习的重要组成部分。机器学习模型的训练可以建模成无约束优化问题或带约束优化问题，约束可以为模型增加更多的先验知识。基于梯度的算法（例如加速梯度法、随机梯度法等）是求解无约束优化问题的常用方法，而交替方向乘子法（ADM

本书系统地论述了人工神经网络的主要理论和设计基础，给出了大量应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉其基本原理和主要应用，掌握其结构模型和基本设计方法，为以后的深入研究和应用开发打下基础。全书共分为10章，第1、2章介绍了神经网络的发展历史、基本特征与功能、应用领域及基础知识，第3~10章展开介

本书系统介绍了机器学习常用算法及其应用，在深入分析算法原理的基础上，结合当前热门应用场景，向读者展现了机器学习算法的综合应用，带领读者进入机器学习领域，开启人工智能行业的大门。全书共21章，分为3部分。第1部分介绍机器学习基础算法，包括线性回归、多项式回归、逻辑回归、k-NN、决策树、k-Means、SVM、随机森林、

本书分四章：自然语言基础、自然语言理解、序列建模、语音识别。内容包括：文本的表示和分词、文本特征表示、词性分析及命名实体识别、词空间和词空间的可视化、基于主题的宋词创作、宋词的主题分析、宋词的派别分类、宋词的推荐等。

本书设计了七章内容,第一至三章介绍人工智能的概念及基本的技术原理。第四至六章介绍人工智能技术在视觉、语音和自然语言处理中的应用,第七章介绍利用系统工程设计方法设计实现人工智能产品。每章由人工智能产品体验、人工智能技术原理描述、人工智能技术实现实验、人工智能应用方案设计实验和人工智能的发展与应用等部分组成。

本书介绍深度学习领域先进的技术以及深度学习在主要的自然语言处理任务中的成功应用，包括语音识别和理解、对话系统、语义分析、句法分析、知识图谱、机器翻译、问答、情感分析、社会计算和基于图像的自然语言生成。本书对深度学习时代自然语言处理领域的不同研究前沿进行了概括与分析，还列举了深度学习与自然语言处理领域中交叉的技术性术语以

本书主要内容包括机器学习绪论、Python基础知识、模型评估及模型、机器学习及神经网络、MNIST识别及图像分类。

本书是一本MLOps的综合指南,详细介绍了DevOps和MLOps的理论和实践,包括如何创建持续集成和持续交付、Kaizen(即对所有事物进行持续改进的想法)等,还介绍了基于云的MLOps,以及MLOps的关键技术领域,包括AutoML、容器、边缘计算和模型可移植性。本书最后还介绍了一些真实案例研究,并介绍执行MLOp

本书知识全面、实用,共10章,内容包括深度学习数学基础,深度学习基础模型(全连接网络、卷积神经网络、循环神经网络、Transformer等)和实现,多场景多领域最佳实践,模型优化、加速与部署等。

本书内容讲述:许多AI入门指南可以说都是变相的微积分书籍,但这本书基本上避开了数学。相反,作者JeffProsise帮助工程师和软件开发人员建立了对AI的直观理解,以解决商业问题。需要创建一个系统来检测雨林中非法砍伐的声音、分析文本的情感或预测旋转机械的早期故障?这本实践用书将教你将AI和机器学习应用于职场工作所需的技