作为一名开发人员，您总是需要留心并做好准备以应对即将发生的事情，同时还要关注当前趋势。那么，有什么比学习现在和未来这两个世界的完美结合更好呢？人工智能（AI）被广泛认为是继移动之后的下一个大产业，而谷歌的TensorFlow是*的开源机器学习框架，也是人工智能热门的分支。这《TensorFlow智能移动项目（影印版英文

PyTorch是Facebook于2017年初在机器学习和科学计算工具Torch的基础上，针对Python语言发布的一个全新的机器学习工具包，一经推出便受到了业界的广泛关注和讨论，目前已经成为机器学习从业人员的研发工具。 《PyTorch深度学习》是使用PyTorch构建神经网络模型的实用指南，内容分为9章，包括PyT

本书介绍大量特征工程技术，阐明特征工程的基本原则。主要内容包括：机器学习流程中 的基本概念，数值型数据的基础特征工程，自然文本的特征工程，词频-逆文档频率，高效的分类变量编码技术，主成分分析，模型堆叠，图像处理，等等。

Python、TensorFlow、神经网络和深度学习因人工智能的流行而成为当下IT领域的热门关键词。本书首先介绍了Python及其常用库Numpy、Matplotlib和Scipy的基本使用方法；其次介绍了TensorFlow的基本知识及使用方法；然后介绍了神经网络的基础知识以及神经网络基本应用——感知机、线性回归与

探索人工智能Ⅱ· 交叉应用

“理解未来系列”一套共7本，本书是其中之一。“理解未来”是未来论坛每月举办的免费大型科普讲座，它邀请知名科学家用通俗的语言解读*激动人心的科学进展，旨在传播科学知识，提高大众对科学的认知。本套丛书是精选的部分现场讲座的文字整理，然后按照不同学科归类分册。

本书内容为全部章节的第五章到第八章，主要内容包括：无人驾驶、看到数学的力量、桎梏与惊喜的反复、我们看到了朦胧的希望。

本书是“达人迷”经典系列中关于机器学习的一本。本书内容分为6个部分,共计23章,由浅入深地讲解机器学习的基础知识,本书使用的语言--Python和R,必备数学知识,处理数据的常用工具,机器学习的应用以及常见的学习包、模型等6个方面,以帮助读者了解并掌握机器学习的相关知识、并能将其应用于自己的工作中。

本书是面向Java开发工程师岗位开设的一门专业课。Java开发是一项实践性非常强的技术，本书要求阅读者能够熟悉Java面向对象的编程思想、JavaEE技术、Redis、Mongodb和Mysql数据库以及各种开源框架。本教材面向教育，对接行业，融入了当前物联网行业、企业中主流的物联网云平台开发技术，体现生产、服务中的真

本书内容包括：研究特征提取与特征工程过程、评估线性回归的性能和误差估计、使用不同类型的算法构建数据模型并理解其工作原理、调整支持向量机(SVM)的参数、探讨自然语言处理(NLP)和推荐系统的概念、从头开始创建一个机器学习架构。