下一次技术革命会是什么?

刘润在2022年《进化的力量》演讲中的回答是:

“很可能是第五要素,人工智能驾驭的数据。”

毫无疑问,人工智能技术的应用与落地已经是未来发展的大趋势,我们很多人都期盼着万物互联、万物交互的未来世界

走进人工智能的神奇世界,学习和了解AI技术,以下好书值得一读!

深度学习入门:基于Python的理论与实现

译者:陆宇杰

深度学习真正意义上的入门书

  • 日本深度学习入门经典畅销书,热销10万+
  • 长期位列日亚“人工智能”类图书榜首
  • 简明易懂,相比AI圣经“花书”,更合适入门

简介:本书深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3,尽量不依赖外部库或工具,从基本的数学知识出发,带领读者从零创建一个经典的深度学习网络,使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识,对误差反向传播法、卷积神经网络等也有深入讲解,此外还介绍了深度学习相关的实用技巧,自动驾驶、图像生成、强化学习等方面的应用,以及为什么加深层可以提高识别精度等“为什么”的问题。

机器学习实战

译者:李锐、李鹏、曲亚东、王斌

精心编排的实例,学会机器学习核心算法

  • 使用Python阐述机器学习概念
  • 介绍并实现机器学习的主流算法
  • 面向日常任务的高效实战内容

简介:本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树(CART)算法等。第三部分则重点介绍无监督学习及其一些主要算法:k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

Python深度学习(第2版)

作者:[美] 弗朗索瓦·肖莱;译者:张亮

谷歌公司深度学习科学家帮你构建深度学习知识体系!

  • 深度学习名著重磅升级,涵盖Transformer架构等开创性进展
  • 百万用户级深度学习框架Keras之父执笔,文字生动、见解深刻
  • 不用一个数学公式,利用直觉自然入门深度学习

简介:本书由流行深度学习框架Keras之父弗朗索瓦·肖莱执笔,通过直观的解释和丰富的示例帮助你构建深度学习知识体系。作者避免使用数学符号,转而采用Python代码来解释深度学习的核心思想。
读完本书后,你将能够使用Keras解决从计算机视觉到自然语言处理等现实世界的诸多问题,包括图像分类、图像分割、时间序列预测、文本分类、机器翻译、文本生成等。

Python机器学习基础教程

译者:张亮(hysic)

以机器学习算法实践为重点,使用scikit-learn库从头构建机器学习应用

  • 机器学习入门书,以Python语言介绍
  • 带你一步步构建机器学习应用
  • scikit-learn库维护者和核心贡献者著作

简介:本书将向所有对机器学习技术感兴趣的初学者展示,自己动手构建机器学习解决方案并非难事!书中重点讨论机器学习算法的实践而不是背后的数学,全面涵盖在实践中实现机器学习算法的所有重要内容,帮助读者使用Python和scikit-learn库一步一步构建一个有效的机器学习应用。

一本务实的入门书,零起点上手自然语言处理

  • 多个大厂及北大等30多所大学教学用书
  • 图文并茂,算法、公式、代码相互印证,Java 与 Python 双实现
  • 作者兼具一线实战经验与硬核学术背景,业内超多大牛推荐
  • 学习路径清晰,简单易懂好上手,提供GitHub答疑

简介:HanLP作者何晗汇集多年经验,从基本概念出发,逐步介绍中文分词、词性标注、命名实体识别、信息抽取、文本聚类、文本分类、句法分析这几个热门问题的算法原理与工程实现。书中通过对多种算法的讲解,比较了它们的优缺点和适用场景,同时详细演示生产级成熟代码,助你真正将自然语言处理应用在生产环境中。随着本书的学习,你将从普通程序员晋级为机器学习工程师,最后进化到自然语言处理工程师。

数据挖掘导论(完整版)

数据挖掘入门读物,初学者能在最短时间内总览全局

  • 利用数据挖掘知识解决实际问题
  • 不需要数据库背景,只需要很少的统计学或数学背景知识即可学习
  • 大量的图表、综合示例和丰富的习题,聚焦数据挖掘的主要概念

简介:本书全面介绍了数据挖掘的理论和方法,旨在为读者提供将数据挖掘应用于实际问题所必需的知识。本书涵盖五个主题:数据、分类、关联分析、聚类和异常检测。除异常检测外,每个主题都包含两章:前面一章讲述基本概念、代表性算法和评估技术,后面一章较深入地讨论高级概念和算法。
本书适合作为相关专业高年级本科生和研究生数据挖掘课程的教材,同时也可作为数据挖掘研究和应用开发人员的参考书。

图神经网络导论

译者:李泺秋

用这本小而美的书,轻松构建GNN知识体系

  • 综述流行的GNN框架以及应用场景
  • 简明扼要、系统完整,清华大学刘知远力作
  • 多位AI先锋学者联袂推荐

简介:图神经网络(GNN)是基于深度学习的图数据处理方法,因其卓越的性能而受到广泛关注。本书首先概述数学基础和神经网络以及图神经网络的基本概念,接着介绍不同种类的GNN,包括卷积图神经网络、循环图神经网络、图注意力网络、图残差网络,以及几个通用框架。此外,本书还介绍了GNN在结构化场景、非结构化场景和其他场景中的应用。读完本书,你将对GNN的最新成果和发展方向有较为透彻的认识。

深度学习进阶:自然语言处理

译者:陆宇杰

豆瓣评分9.4畅销书《深度学习入门》续作,带你快速直达自然语言处理领域!

  • 内容精炼、简明易懂,轻松入门
  • 不依赖外部库,使用Python 3从零开始创建深度学习程序,侧重原理掌握
  • 文字介绍→代码实现→分析结果→发现问题→进行改善,学习曲线平缓

简介:本书是《深度学习入门:基于Python  的理论与实现》的续作,围绕自然语言处理和时序数据处理,介绍深度学习中的重要技术。本书语言平实,结合大量示意图和Python代码,按照“提出问题”“思考解决问题的新方法”“加以改善”的流程,基于深度学习解决自然语言处理相关的各种问题,使读者在此过程中更深入地理解深度学习中的重要技术。

机器学习:公式推导与代码实现

本书由浅入深,既适合新手快速入门,也适合老手夯实基础

  • 完备的公式推导,解决机器学习的数学难题
  • 基于NumPy与sklearn,介绍26个主流机器学习算法的实现
  • 机器学习实验室”公众号主理人倾力打造,4万读者好评

简介: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,旨在帮助机器学习学习者和研究者完整地掌握算法细节、实现方法以及内在逻辑。

机器学习算法竞赛实战

新手入门好书,内容实在详尽,实战仔细!

  • 腾讯广告算法大赛两届冠军、Kaggle Grandmaster倾力打造
  • 赛题案例来自Kaggle、阿里天池、腾讯广告算法大赛
  • 按照问题建模、数据探索、特征工程、模型训练、模型融合的步骤讲解竞赛流程

简介:本书是算法竞赛领域一本系统介绍竞赛的图书,书中不仅包含竞赛的基本理论知识,还结合多个方向和案例详细阐述了竞赛中的上分思路和技巧。本书适合从事机器学习、数据挖掘和人工智能相关算法岗位的人阅读。

- END -