大约有46,464项符合查询结果项。（搜索耗时：0.1645秒）
为您推荐： title正版图书python深度学习 图灵出品 title图解深度学习 图灵出品 title深度学习的数学 图灵出品 title python机器学习经典实例 图灵出品 深入浅出神经网络与深度学习 图灵出品 title深度学习 异步图书出品
-
Python深度学习 基于TensorFlow
吴茂贵，王冬，李涛，杨本法2018 年出版330 页ISBN：9787111609728本书共22章，分为三个部分。第一部分（第1~5章）为Python及应用数学基础部分，介绍Python和TensorFlow的基石Numpy，深度学习框架的鼻祖Theano，以及机器学习、深度学习算法应用数学基础等内容。第二部分（第6~20章）为深度...
-
深度学习 基于Python语言和TensorFlow平台 视频讲解版
谢琼编著2018 年出版212 页ISBN：9787115483621人工智能极简历史、开发环境准备、初识TensorFlow、简化神经网络模型、用神经网络解决非线性问题、从文件中载入训练数据、多层全连接神经网络、保存和载入训练过程、查看图形化的模型、用训练好的模型进行...
-
神经网络与深度学习 基于TensorFlow框架和Python技术实现
包子阳编著2019 年出版186 页ISBN：9787121362019Python、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...
-
Python 深度学习实战 75个有关神经网络建模、强化学习与迁移学习的解决方案
Indra den Bakker2018 年出版258 页ISBN：9787111598725本书以自上而下和自下而上的方法来展示针对不同领域实际问题的深度学习解决方案，包括图像识别、自然语言处理、时间序列预测和机器人操纵等。还讨论了采用诸如TensorFlow、PyTorch、Keras和CNTK等流行的深度...
-
Python深度学习实战 基于TensorFlow和Keras的聊天机器人以及人脸、物体和语音识别
（印）纳温·库马尔·马纳西（Navin Kumar Manaswi）著2019 年出版168 页ISBN：9787111622765本书讨论使用TensorFlow和Keras等框架构建深度学习应用，集中于深度学习应用所需的模型和算法，帮助你在短时间内提高实践技能。内容涵盖聊天机器人、自然语言处理、人脸和物体识别等主题，目标是为创建能够执行...
-
Python强化学习实战 应用OpenAI Gym和TensorFlow精通强化学习和深度强化学习
（印度）苏达桑·拉维尚迪兰（SUDHARSANRAVICHANDIRAN）著；连晓峰等译2019 年出版203 页ISBN：9787111612889强化学习是一种重要的机器学习方法，在智能体及分析预测等领域有许多应用。本书共13章，主要包括强化学习的各种要素，即智能体、环境、策略和模型以及相应平台和库；Anaconda、Docker、OpenAI Gym、Universe和Tens...
-
Keras快速上手 基于Python的深度学习实战
谢梁，鲁颖，劳虹岚著2017 年出版250 页ISBN：9787121318726本书系统的归纳了当前数据挖掘和深度学习技术的应用领域中的不同案例，以实用为导向，深入浅出的介绍了在具体业务中如何运用当前最新的数据技术端到端地解决问题。本书分为四个部分。第一部分主要介绍了一些基...
-
实战深度学习算法 零起点通关神经网络模型 基于Python和NumPy实现
徐彬著2019 年出版208 页ISBN：9787121371714深度学习是机器学习的重要分支。本书系统地介绍了如何用Python和NumPy实现的算法一步一步地实现深度学习的基础模型，而无须借助TensorFlow、PyTorch等深度学习框架，从而能帮助读者更好地理解底层算法的脉络，进...
-
深入浅出深度学习 原理剖析与Python实践
黄安埠著2017 年出版340 页ISBN：9787121312700本书介绍了深度学习相关的原理与应用，全书共分为三大部分，第一部分主要回顾了深度学习的发展历史，以及Theano的使用；第二部分详细讲解了与深度学习相关的基础知识，包括线性代数、概率论、概率图模型、机器学习和...
-
图灵程序设计丛书 Python数据科学入门
（俄）德米特里·齐诺维耶夫（Dmitry Zinoviev）著2017 年出版146 页ISBN：9787115470607本书涵盖数据采集、清洗、可视化、高级数据分析（网络分析）、统计和机器学习等内容。具体内容包括：数据科学的Python核心特性，文本数据、数据库、表格形式的数值等大数据的采集、清洗、可视化和分析，概率和统计，机...