本书基于大数据、人工智能中模式分类的研究，以向量数据的机器学习方法为基础，从*优化角度研究张量数据的学习问题，特别关注张量数据分类问题的新模型的建立及其*优化算法的设计。本书所构建的张量数据分类模型，无论从计算时间、计算复杂度，还是从分类精度，都表现出该算法的优越性，能够使读者能够比较全面地了解张量数据分类模型和算法设

本书围绕数据、算法、模型三要素，研究选取不同算法从历史数据中获取经验，并归纳出模型进行预测与优化的系列理论与技术，是涉及计算机科学、概率统计、决策论等多个学科的多领域交叉学科。本书应用开源深度学习框架PaddlePaddle，从问题定义、数据收集、特征工程、模型训练、模型评估、模型应用方面，层层深入、循序渐进地剖析机器

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

本书是一本介绍智能运维的实战指南，聚焦实际应用场景，通过十余个实战案例，详细讲解每个场景中的痛点、适用的算法、试验和*终方案,系统介绍了AI技术在运维工作中的应用。本书内容分为3部分，第1部分是智能运维、人工智能的概念和发展趋势，包括第1、2章；第2部分是智能运维中需要用到的人工智能技术和算法，包括第3、4、5章；第3

人工智能将帮助人们把事情做得更好、更快，并在成本效益上更突出，它将深刻改变交通、旅游、医疗、教育、零售、农业、金融、销售和营销等行业。事实上，人工智能很可能极大地改变人类社会。你可能听说过很多工作将被人工智能或机器人取代，但你是否知道，与此同时，大量的新工作将由人工智能创造?本书涵盖了许多与人工智能相关的有趣话题，包括

本书是一部论述机器学习原理与算法的立体化教材（含纸质图书、教学课件和部分视频教程），本书兼顾机器学习基础、经典方法和深度学习方法。对组成机器学习的基础知识和基本算法做了比较细致的介绍，对广泛应用的经典算法如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学习等算法都给出了深入的分析，并讨论了无监督学习的基本方法

本书是一本系统论述TensorFlow编程的新形态图书(含纸质图书、程序代码及微课视频)。全书分为22章:第1~5章介绍了TensorFlow基础;第6~8章介绍了神经网络多层感知层编程;第9~12章介绍了人工智能数学;第13章介绍了存储和读取;第14章介绍了回归预测数据结果;第15~17章介绍了图形辨识和CNN;第1

告诉你一个不太光彩的秘密:在大多数数据科学项目中，有一半的时间都花在清理和准备数据上了。但还有更好的方法:针对表格数据和关系数据库进行优化的深度学习技术，无需密集的特性工程，就能提供洞察和分析。学习使用少量的数据过滤、验证和清洗，就能解锁深度学习性能的技能。《深度学习处理结构化数据实战》传授面向表格数据和关系数据库的强

作为一门应用型学科，机器学习植根于数学理论，落地于代码实现。这就意味着，掌握公式推导和代码编写，方能更加深入地理解机器学习算法的内在逻辑和运行机制。本书在对全部机器学习算法进行分类梳理的基础之上，分别对监督学习单模型、监督学习集成模型、无监督学习模型、概率模型四个大类共26个经典算法进行了细致的公式推导和代码实现，旨在

《事件驱动神经形态系统》系统地描述了神经形态工程领域的新技术，包括构建完整的神经形态芯片和解决制造多芯片可扩展系统面临的技术问题。《事件驱动神经形态系统》主要内容分为两部分。分（第2-6章）描述了所构建的AER通信体系结构、AER传感器和电子神经模型，其中，第2-5章用树状图描述了将架构和电路关联起来的历史，并引导读者