sigma

    1. 机器学习编程:从编码到深度学习(英文)

      标签:机器学习 深度学习

      《Programming Machine Learning: From Coding to Deep Learning》机器学习编程:从编码到深度学习 作者: Paolo Perrotta 您已决定涉足机器学习领域 - 因为您正在找工作、着手一个新项目,或者只是觉得自动驾驶汽车很酷。但从哪里开始呢?即使是软件开发人员也很容易感到害怕。好消息是,这并不难。通过一次编写一行代码来掌握机器学习,从简单的学习程序一直到真正的深度学习系统。通过将难题分解开来处理,使它们更容易理解,并通过亲自动手来建立信心。 从头开始,一直到深度学习,揭开机器学习的晦涩难懂之处。机器学习可能令人生畏,因为它依赖于大多数程序员在日常工作中不会遇到的数学和算法。采取动手实践的方法,自己编写 Python 代码,不要使用任何库来掩盖真正发生的事情。迭代您的设计,并在过程中增加复杂性。 使用监督学习从头开始构建图像识别应用程序。使用线性回归预测未来。深入研究梯度下降,这是驱动大多数机器学习的基本算法。创建感知器来对数据进行分类。构建神经网络来处理更复杂、更精密的数据集。使用反向传播和批处理训练和优化这些网络。对神经网络进行分层,消除过度拟合,并添加卷积以将您的神经网络转变为真正的深度学习系统。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-17

    2. 深度学习入门指南

      标签:深度学习

      《Deep Learning For Dummies》(深度学习入门指南)作者是 John Paul Mueller, Luca Massaron 深度学习提供了一种辨别数据模式的方法,推动在线业务和社交媒体的发展。《深度学习入门》为您提供了揭开该主题神秘面纱所需的信息——以及与之相关的所有底层技术。 很快,您就会理解这些越来越令人困惑的算法,并找到一个简单而安全的环境来尝试深度学习。本书让您了解深度学习在高层次上可以做什么,然后提供主要深度学习应用类型的示例。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-17

    3. NVIDIA 全彩深度学习指南

      标签:深度学习

      《Learning Deep Learning: Theory and Practice of Neural Networks, Computer Vision, Natural Language Processing, and Transformers Using TensorFlow》(学习深度学习:使用 TensorFlow 的神经网络、计算机视觉、自然语言处理和 Transformers 的理论与实践) 深度学习 (DL) 是当今机器学习和人工智能领域令人兴奋的进步的关键组成部分。《学习深度学习》是一本完整的 DL 指南。本书阐明了成功所需的核心概念和动手编程技术,非常适合开发人员、数据科学家、分析师和其他人员——包括那些没有机器学习或统计经验的人。 在介绍了深度神经网络的基本构建块(例如人工神经元和完全连接、卷积和循环层)之后,Magnus Ekman 展示了如何使用它们来构建高级架构,包括 Transformer。他描述了如何使用这些概念来构建用于计算机视觉和自然语言处理 (NLP) 的现代网络,包括 Mask R-CNN、GPT 和 BERT。他还解释了自然语言翻译器和系统如何生成图像的自然语言描述。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-17

    4. 深度学习数学:理解神经网络

      标签:深度学习 神经网络

      《Math for Deep Learning: What You Need to Know to Understand Neural Networks》(深度学习数学:理解神经网络)作者是:Ronald T. Kneusel 《深度学习数学》提供了您理解深度学习讨论、探索更复杂的实现以及更好地使用深度学习工具包所需的基本数学知识。 通过《深度学习数学》,您将学习深度学习所使用的基本数学知识和背景知识。 您将通过 Python 示例学习概率、统计、线性代数、微分学和矩阵微积分中的关键深度学习相关主题,以及如何在神经网络、反向传播和梯度下降中实现数据流。您还将使用 Python 来研究这些算法背后的数学知识,甚至构建一个功能齐全的神经网络。 此外,您还将了解梯度下降,包括深度学习社区常用的变体:SGD、Adam、RMSprop 和 Adagrad/Adadelta。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-17

    5. 神经网络与深度学习(邱锡鹏)

      标签:神经网络 深度学习

      《神经网络与深度学习》 作者:邱锡鹏 这是一本从技术、产品和运营3个角度讲解如何从0到1构建用户画像系统的著作,同时它还为如何利用用户画像系统驱动企业的营收增长给出了解决方案。作者有多年的大数据研发和数据化运营经验,曾参与和负责多个亿级规模的用户画像系统的搭建,在用户画像系统的设计、开发和落地解决方案等方面有丰富的经验。 全书一共9章: 第1~6章主要讲解了搭建用户画像系统需要掌握的概念、技术、流程、方法论等,包括用户画像的基础知识、数据指标体系、标签数据存储、标签数据开发、开发性能调优、作业流程调度等; 第7章讲解了如何对用户画像进行产品化,为工程实践提供解决方案; 第8章详细讲解了用户画像在经营分析、精准营销和个性化推荐3个经典领域的应用; 第9章通过8个常见的场景讲解了8个用户画像系统的落地案例,帮助读者掌握如何利用用户画像系统来驱动企业的营收增长。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-17

    6. Keras快速上手:基于Python的深度学习实战

      标签:Keras Python 深度学习

      作者:谢梁、鲁颖、劳虹岚;出版时间:2017年 《Keras快速上手:基于Python的深度学习实战》系统地讲解了深度学习的基本知识、建模过程和应用,并以深度学习在推荐系统、图像识别、自然语言处理、文字生成和时间序列中的具体应用为案例,详细介绍了从工具准备、数据获取和处理到针对问题进行建模的整个过程和实践经验,是一本非常好的深度学习入门书。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-17

    7. 离散数学基础、算法和编程

      标签:离散数学

      《Foundations of Discrete Mathematics with Algorithms and Programming》(离散数学基础、算法和编程) 离散数学已经渗透到整个数学领域,以至于现在甚至在高中阶段也开始教授它。本书介绍了离散数学的基础知识及其在多个领域的日常问题中的应用。本书面向计算机科学、数学和工程专业的本科生。书中给出了许多例子来加深对概念的理解。使用的编程语言是 Pascal 和 C。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-17

    8. 机器学习的随机矩阵方法(英文)

      标签:机器学习 随机矩阵

      《Random Matrix Methods for Machine Learning》(机器学习的随机矩阵方法) 作者:Romain Couillet ,Zhenyu Liao 本书介绍了用于机器学习应用的随机矩阵的统一理论,提供了利用集中度和普遍性现象的大维数据视觉。这使得对现实世界机器学习算法中发挥作用的核心机制的精确理解和可能的改进成为可能。本书首先全面介绍了随机矩阵的理论基础知识,它为广泛的应用提供了支持,从支持向量机到半监督学习、无监督谱聚类和图方法,再到神经网络和深度学习。对于每个应用程序,作者讨论了问题的小维度与大维度直觉,随后作者对结果性能和可能的改进进行系统随机矩阵分析。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-17

    9. 基于多视图几何的机器人系统视觉感知与控制(英文)

      标签:视觉感知 深度学习

      《Multi-View Geometry Based Visual Perception and Control of Robotic Systems》(基于多视图几何的机器人系统视觉感知与控制) 作者:Jian Chen, Bingxi Jia , Kaixiang Zhang 本书描述了需要与环境交互的机器人系统的视觉感知和控制方法。利用多视图几何从丰富的高维图像信息中提取低维几何信息,方便开发机器人感知和控制任务的通用解决方案。在本书中,多视图几何用于几何建模和缩放姿态估计。然后应用李雅普诺夫方法在存在模型不确定性和多重约束的情况下设计稳定控制律。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-17

    10. 视觉目标跟踪:从相关滤波到深度学习(英文)

      标签:视觉目标跟踪 深度学习

      《Visual Object Tracking from Correlation Filter to Deep Learning》(视觉目标跟踪:从相关滤波到深度学习) 作者:Weiwei Xing ? Weibin Liu ? Jun Wang ? Shunli Zhang ? Lihui Wang ? Yuxiang Yang ? Bowen Song 这本书的重点是基于相关滤波器和深度学习的视觉对象跟踪系统和方法,包括基于相关滤波器的方法、基于深度特征的相关滤波器方法和基于深度学习的方法。书中分别研究了三种跟踪方法的算法、系统设计和性能评估。 首先,在基于相关滤波器的跟踪器中提出了上下文感知和多尺度策略;然后,提出了SiamFC框架中的长短期相关滤波器、上下文感知相关滤波器和辅助重定位,将相关滤波器和深度学习相结合用于视觉对象跟踪;最后,设计了基于深度学习的跟踪器的改进方案,包括孪生网络、GAN和强化学习。 本书的目标是介绍视觉对象跟踪的最新进展和发展,特别是基于相关滤波器和深度学习的方法,特别适合对视觉对象跟踪及相关领域的研究和技术创新感兴趣的读者。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-17

    11. 用于计算机视觉、机器人和机器学习的线性代数

      标签:计算机视觉 机器人 机器学习 线性代数

      《Linear algebra for computer vision, robotics, and machine learning》(用于计算机视觉、机器人和机器学习的线性代数) 作者:Jean Gallier, Jocelyn Quaintance 本书的主要目标是介绍线性代数和优化理论的基本原理,同时考虑到机器学习、机器人和计算机视觉的应用。这项工作由两部分组成,第一个是线性代数,第二个优化理论和应用,尤其是机器学习。 第一部分涉及经典的线性代数,包括主分解和Jordan形式。除了讨论标准的一些主题外,我们还讨论了一些对应用很重要的主题。

      下载次数 7次 资源类型 技术文档 上传时间 2024-06-12

    12. 统计与因果关系:应用实证研究方法

      标签:统计学

      《Statistics and Causality: Methods for Applied Empirical Research》(统计与因果关系:应用实证研究方法) 作者: Wolfgang Wiedermann, Alexander von Eye 本书分为五个独立且易于理解的部分。第一部分介绍因果结构的基础,并讨论与标准机械论和因果关系差异理论相关的问题。第二部分介绍了旨在陈述影响方向的方法的新概括。第三部分阐述了格兰杰因果关系检验和相关问题的进展。第四部分重点介绍反事实方法和倾向得分分析。最后,第五部分介绍了因果推理的设计,并概述了流行病学中常用的研究设计。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-12

    13. 矩阵代数基础_第三版

      标签:矩阵代数

      《Fundamentals of Matrix Algebra, Third Edition》(矩阵代数基础,第三版) 作者:Gregory Hartman 本书涵盖处理矩阵和线性代数的基本原理。它涵盖求解线性方程组,矩阵算术,行列式,特征值,和线性变换。在易于阅读的文本中给出了许多例子。第三版修正了文本中的几个错误并更新了字体。 作者在前言中明确指出,本文不是线性代数。它避免了很多线性代数相关的理论; 尽管如此,作者还是在必要的时候提到了定理。避免使用理论但使用“定理”这一术语可能需要在课堂上进行一些教科书中避免的讨论。

      下载次数 1次 资源类型 技术文档 上传时间 2024-06-12

    14. 图像分割:原理、技术和应用

      标签:图像分割 计算机视觉

      《Image Segmentation Principles, Techniques, and Applications》(图像分割:原理、技术和应用) 作者:Tao Lei, Asoke K. Nandi 《图像分割:原理、技术和应用》汇集了计算机视觉领域的最新技术和方法。涵盖基本概念、新理论和方法以及各种实际应用,包括医学成像、遥感、模糊聚类和分水岭变换。深入的章节介绍了作者开发的创新方法(例如卷积神经网络、图卷积网络、可变形卷积和模型压缩),以帮助研究生和研究人员在工作中应用和改进图像分割。

      下载次数 3次 资源类型 技术文档 上传时间 2024-06-12

    15. 深度学习与计算机视觉在遥感中的应用

      标签:深度学习 计算机视觉 遥感

      《Deep Learning and Computer Vision in Remote Sensing》(深度学习与计算机视觉在遥感中的应用) 作者: Fahimeh Farahnakian, Jukka Heikkonen, Pouya Jafarzadeh 近几年,计算机视觉领域的遥感技术取得了巨大进展。这一成功和进步主要归功于深度学习 (DL) 算法的有效性。此外,遥感界已将注意力转向 DL,并且 DL 算法已在许多图像分析任务中取得了重大成功。然而,在遥感方面,数据采集和注释困难造成的许多挑战尚未完全解决。本文汇集了使用计算机视觉、深度学习和人工智能在遥感领域取得的新进展。发表的文章涉及基础理论分析以及展示其在实际问题中的应用。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-12

    16. 计算机视觉中的结构化学习和预测

      标签:计算机视觉

      《Structured Learning and Prediction in Computer Vision》(计算机视觉中的结构化学习和预测) 强大的统计模型可以从大量数据中有效地学习,目前正在彻底改变计算机视觉。这些模型具有丰富的内部结构,反映了特定于任务的关系和约束。本教程向读者介绍计算机视觉中最流行的结构化模型类。我们的重点是离散无向图模型,我们详细介绍了概率推理和最大后验推理的算法。我们分别讨论了最近在一般结构化模型中成功的预测技术。在本教程的第二部分中,我们将描述参数学习的方法,其中我们将经典的基于最大似然的方法与最新的基于预测的参数学习方法区分开来。我们着重介绍了增强当前模型的发展,并讨论了核化模型和潜变量模型。为了使教程具有实用性并提供进一步研究的链接,我们提供了计算机视觉文献中许多方法的成功应用实例。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-12

    17. 自然语言处理的深度学习:简单介绍

      标签:自然语言处理 深度学习

      《Deep Learning for Natural Language Processing: A Gentle Introduction》(自然语言处理的深度学习:简单介绍)作者是 Mihai Surdeanu, Marco Antonio Valenzuela-Escárcega 在技??术主导的世界中,深度学习变得越来越重要。然而,构建准确表示语言结构的计算模型非常复杂,因为它需要对神经网络有深入的了解,以及对微积分和统计学等高级数学概念的理解。本书通过对自然语言处理的深度学习进行清晰的介绍,使具有人文和社会科学背景的人能够理解这些复杂性。它涵盖了理论和实践两个方面,并假设读者对机器学习有最低限度的了解,以易于阅读的方式解释自然语言背后的理论。它包括所讨论的简单算法的伪代码,以及更复杂架构的实际 Python 代码,使用了现代深度学习库,如 PyTorch 和 Hugging Face。本书提供了必要的理论基础和实用工具,使读者能够立即开始构建现实世界的、实用的自然语言处理系统。

      下载次数 1次 资源类型 技术文档 上传时间 2024-06-12

    18. 自然语言处理入门

      标签:自然语言处理 NLP

      《Getting Started with Natural Language Processing》(自然语言处理入门)作者是Ekaterina Kochmar 《自然语言处理入门》教您如何使用基于文本和语音的功能升级面向用户的应用程序。通过本书中通俗易懂的解释和动手实践示例,您将学习如何将 NLP 应用于情绪分析、用户分析等。随着您的学习,每个新项目都以您之前学到的知识为基础,引入新的概念和技能。方便的图表和直观的 Python 代码示例让您轻松上手 — 即使您没有机器学习背景!

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-12

    19. Transformer自然语言处理简介:用Hugging Face库和模型来解决问题

      标签:自然语言处理 NLP

      《Introduction to Transformers for NLP: With the Hugging Face Library and Models to Solve Problems》(Transformer自然语言处理简介)作者是Shashank?Mohan?Jain 本书介绍了 Transformer 架构及其在自然语言处理 (NLP) 中的相关性。它首先介绍 NLP,然后介绍语言模型从 n-gram 到基于 Transformer 的架构的进展。接下来,它使用 Google colab 引擎提供了一些基本的 Transformers 示例。然后,它介绍了 Hugging Face 生态系统及其提供的不同库和模型。接下来,它通过一些示例解释了 Google BERT 等语言模型,然后深入研究了 Hugging Face API,使用不同的语言模型来解决句子分类、情感分析、摘要和文本生成等任务。

      下载次数 0次 资源类型 技术文档 上传时间 2024-06-12

    20. Python应用推荐系统: 使用深度学习、NLP和基于图的技术构建推荐系统

      标签:Python 推荐系统 深度学习 NLP

      《Applied Recommender Systems with Python: Build Recommender Systems with Deep Learning, NLP and Graph-Based Techniques》(Python应用推荐系统: 使用深度学习、NLP和基于图的技术构建推荐系统) 作者:Akshay?Kulkarni,Adarsha?Shivananda,Anoosh?Kulkarni,V?Adithya?Krishnan 本书将教你如何使用Python使用机器学习算法构建推荐系统。如今,推荐系统已经成为每个基于互联网的业务的重要组成部分。 你将从学习推荐系统的基本概念开始,并概述不同类型的推荐引擎及其运作方式。接下来,你将看到如何使用传统算法构建推荐系统,例如使用购物篮分析和基于内容和知识的NLP推荐系统。然后,作者展示了一些技术,例如使用矩阵分解的协同过滤技术,以及结合了基于内容和协同过滤技术的混合推荐系统。接下来是一个使用k均值和随机森林等聚类和分类算法构建基于机器学习的推荐系统的教程。最后几章介绍了NLP、深度学习和基于图的推荐引擎技术。每一章都包括数据准备、评估和优化推荐系统的多种方法、支持示例和说明。

      下载次数 1次 资源类型 应用文档 上传时间 2024-06-12

统计信息

已有682人来访过

  • 芯积分:12210
  • 好友:1
  • 主题:80
  • 回复:15

留言

你需要登录后才可以留言 登录 | 注册


风尘流沙 2024-3-8
下载了您的资料,谢谢分享
yinhu0 2023-6-14
《一个64位操作系统的设计与实现》求打开密码
老谢先生 2021-10-25
发个附件
biaobiao2019 2021-7-19
《机器学习在量化投资中的应用研究》已经下载了2次,问题是一样的。麻烦您再上传一次。

这本书的文件有问题,114页以后不可见。
fankai 2018-3-30
《机器学习在量化投资中的应用研究》这本书的文件有问题,114页以后不可见,已经下载了2次,问题是一样的。麻烦您再上传一次。
查看全部