采用基于任务的方式介绍机器学习 涵盖在构建机器学习模型时可能遇到的常见任务 提供近200个小任务的解决方案，以及代码 在代码中加深对理论的理解
实践、实践、实践 本书通过不同的例子展示机器学习在具体项目中的应用和实践经验 使用 scikit-learn 作为编程框架，强调简单、快速地建立模型
阅读本书可以获得一份关于在Python下操作、处理、清洗、规整数据集的完整说明。本书第二版针对Python 3.6行了更新，并增加实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到*版本的pandas、NumPy、IPython和Jupyter。 本书由Wes McKinney创作，他是Python pandas项目的创始人。本书是对Python数据科学工具的实操化、现代化的介绍，非常适合刚学Python的数据分析师或刚学数据科学以及科学计算的Python编程者。数据文件和相关的材料可以在GitHub上找到： l 使用IPython shell和Jupyter notebook行探索性计算 l 学习NumPy(Numerical Python)的基础和高级特性 l 门pandas库中的数据分析工具 l 使用灵活工具对数据行载、清洗、变换、合并和重塑 l 使用matplotlib创建富含信息的可视化 l 将pandas的groupby功能应用于对数据集的切片、分块和汇总 l 分析并操作规则和不规
资深测试发专家撰写，凝聚自己多年发经验，系统且深阐释利用Python行Web自动化测试涉及的方法和实践
当前，深度学习和人工智能的发展和应用给人们留下了深刻的印象。神经网络是深度学习和人工智能的关键元素，然而，真正了解神经网络工作机制的人少之又少。本书用轻松的笔触，一步一步揭示了神经网络的数学思想，并介绍如何使用Python编程语言发神经网络。本书将带领您行一场妙趣横生却又有条不紊的旅行 从一个非常简单的想法始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。本书适合想要了解深度学习、人工智能和神经网络的读者阅读，尤其适合想要通过Python编程行神经网络发的读者参考。这是一本精心编写、给完全初学者的图书。它带
机器学习正在迅速成为数据驱动型世界的一个bi备模块。许多不同的领域，如机器人、医学、零售和出版等，都需要依赖这门技术。通过阅读 Python机器学习实践指南 ，你将学习如何一步步构建真实的机器学习应用程序。Python机器学习实践指南 以通俗易懂，简洁明了的方式，教你如何使用机器学习来收集、分析并操作大量的数据。通过易于理解的项目，本书讲解如何处理各种类型的数据、如何以及何时应用不同的机器学习技术，包括监督学习和无监督学习。本书中的每个项目都同时提供了教学和实践，你将学习如何使用聚类技术来发现低价的机票，以及如何使用线性回归找到一间便宜的公寓 。Python机器学习实践指南 适合的读者包括了解数据科学的Python程序员、数据科学家、架构师，以及想要构建完整的、基于Python的机器学习系统的人们。通过阅读Python机器学习实践
（1）作者就职于某世界100强企业的数据实验室 （2）作者长期从事人工智能、数据科学、分布式系统等领域的研发工作，在人脸识别领域有丰富的实践经验 （3）核心内容涵盖机器学习、深度学习、计算机视觉、人脸识别等方面的原理、技术和算法 （4）不仅能帮助读者零基础门，而且能指导读者完成工程级别的实践，从零实现一个工程级的人脸识别引擎
读者对象： 1）人工智能相关专业的研究人员；2）信息科学和计算机科学爱好者；3）统计学或相关IT专业学生；4）不具备专业数学知识的人群。 （1）三位作者资历深厚，分别是阿里巴巴的数据架构师和NLP专家、百炼智能的NLP专家（前明略数据的技术合伙人和科学家）、七牛云AI实验室NLP OCR方向负责人； （2）以实战为导向，绕各种复杂数学公式与证明，确保读者零基础门，详细讲解自然语言处理 的各种核心技术、方法论和经典算法； （3）阿里巴巴达摩院高级算法专家、百炼智能CEO、七牛云AI LAB负责人、天善智能创始人联袂推荐。
（1）机器学习等AI技术驱动的智能数据分析是数据分析行业的未来发展方向，所有数据分析师都应该关注。 （2）作者从事数据分析与挖掘10余年，对Python等各种数据分析技术和工具都非常熟悉，在智能数据分析领域也积累了大量的经验。 （3）本书面向零Python基础和零AI基础的读者，精选了*精华的知识，包含大量示例代码，指导读者快速门。
本书语言简明，案例丰富，实用性强，适合有志于机器学习领域的研究者和爱好者、海量数据挖掘与分析人员、金融智能化从业人员阅读，也适合作为高等院校机器学习相关专业的教材。
这是一套前所未见的数学书，更是一套具备极高颜值的书。姜伟生博士自谦 小镇做题家 ，实际上他是国际著名金融企业的金融科技专家。很难想象一位以 术数 为业的金融家具备如此彻底的分享动机，同时，姜博士有着卓越的艺术品位和设计能力，不仅承担了这套书的精深内容，更承担了全系图书的整体设计。希望读者从枯燥的常规数学书中解脱出来，赏心悦目地慢慢走缤纷的数学宇宙。
本书共5 章内容，主要结合目前流行的人工智能编程语言Python 对机器学习案例行分析，介绍 机器学习的相关理论，并展示使用机器学习方法解决实际应用问题的具体过程。本书包括基础知识、 分类案例、聚类案例、回归预测案例和综合案例，力争通过通俗易懂的案例和代码分析使读者快速掌 握机器学习的具体应用方法。本书既适合计算机相关专业人员，也适合非计算机相关专业人员阅读。 理论性强，较难理解的内容统一放在了附录A 中，这部分内容适合具备一定理论基础、对机器学习理 论推导有兴趣的读者。 本书可以作为我国高校计算机专业学生和非计算机专业理工科学生机器学习门课程的教材。
一本包含全部代码的参考书零基础学习深度学习基于NumPy的Python语言实现卷积神经网络本书用极少的数学知识，深浅出地介绍了机器学习、卷积神经网络的相关概念以及实践中特别重要的数据预处理。书中没有借助深度学习库，完全使用Python语言基于NumPy库实现了神经网络和卷积神经网络，并给出了全部代码。为了方便读者理解深度学习和更好地使用深度学习库，如TensorFlow，书中特别对误差反向传播算法和神经网络的优化方法行了深分析。在此基础上，本书一步实现了经典的VGG网络和移动端MobileNetV2网络，同时介绍了GoogLeNet、ResNet和SENet。
机器学习:使用OpenCV、Python和scikit-learn进行智能图像处理(原书第2版)
初学者学习机器学习课程一般都会面临两大障碍。*大障碍是数学基础。机器学习要求有数学基础，书中大量的公式是初学者的噩梦，尤其是对于已经离大学走向工作岗位的爱好者来说，从头始去学习和理解数据分布和模型背后的数学原理需要花费很多的时间和精力，学习周期非常漫长。第二大障碍是编程实践。并不是所有人都擅长编代码，而只有亲手用代码实现机器学习的各种算法，亲眼见到算法解决了实际问题，才能更深理解算法。除非想做高精尖的前沿研究，理论研究和公式推导并非大多数人的专长，如果只是想更合理地应用机器学习来解决实际问题，掌握必需的数学知识就可以理解问题该如何解决，使用Python编程实现机器学习算法也比使用C 或Java等语言容易得多。 本书就是为了让初学者顺利门而设计的。首先，本书只讲述机器学习常用算法的基本原理，并
全面、深剖析机器学习的算法原理和模型构建等核心技术 结合大量实例和两个实战项目案例展现各种算法的实际应用 详解监督学习、无监督学习和强化学习的理论基础与应用场景 详解模型训练中的风险函数、参数寻优方法，以及欠拟合与过拟合解决方案 深解析机器学习常用经典模型的基本原理及其Python实现 详解数据标准化、异常值检测、缺失值处理和特征筛选等数据预处理技术 详解两个典型项目实战案例，带领读者动手实践，提高实际发水平 内容丰富：详解机器学习的基础知识和相关算法原理并行实践，还对深度学习的基础知识行讲解，帮助读者系统掌握机器学习的完整知识体系。 循序渐：从机器学习的基本概念和环境搭建始讲解，逐步深其算法原理和模型构建等核心技术，最后行项目实战，学习梯度非常平滑。 理论结合实践：不仅深剖析机器学习的常用算
本书语言简明，案例丰富，实用性强，适合有志于机器学习领域的研究者和爱好者、海量数据挖掘与分析人员、金融智能化从业人员阅读，也适合作为高等院校机器学习相关专业的教材。
融汇科研与教学经验，案例可二次发利用！阿里巴巴字节跳动讯飞智元腾讯百度微软 专家联袂推荐！配套程序代码、工程文件、附赠案例！
AI源码解读:卷积神经网络(CNN)深度学习案例(Python版)
融汇科研与教学经验，案例可二次发利用！阿里巴巴字节跳动讯飞智元腾讯百度微软专家联袂推荐！配套程序代码、工程文件、附赠案例！
机器学习从认知到实践(第2辑)(套装共3册,Python+TensorFlow)
机器学习从认知到实践(第1辑)(套装共3册,Python+R)
京公网安备11010502037644号|经营许可证编号：合字B2-20160011|互联网药品信息服务资格证
购物车