Pourquoi tout le monde dans l'étude de l'intelligence artificielle? Parce que: « des opportunités pour ceux qui sont prêts, mais le succès est déjà réservé pour une personne d'action. » Toujours été attiré par une personne du salaire d'un autre, mais le manque de mobilité de vous, la table manquera toujours un livre d'introduction d'action .
Xiao Bian la finition d'une nouvelle liste de livres dans le domaine de l'intelligence artificielle asynchrone 2018 livres liés à Python, l'apprentissage en profondeur, tensorflow, Keras, langage R, nous prenons un coup d'oeil si vous avez un livre favori il?
« L'intelligence artificielle (2e édition) "
Stephen Lucci (Stephen Lucci) avec
manuel d'introduction américain classique, encyclopédie connue sous le nom domaine de l'intelligence artificielle. Au cours de la dernière décennie, l'avant-garde du domaine des cours de renseignement de artificielle, plus adapté à une utilisation de premier cycle.
Le livre basé sur la base théorique de l'intelligence artificielle, pour montrer aux lecteurs une approche globale, innovante, coloré et facile à comprendre la connaissance de l'intelligence artificielle. Le livre donne de nombreux exemples, des applications, des photographies en couleur et anecdotes, pour stimuler l'intérêt du lecteur à la lecture et l'apprentissage, a également introduit des cours de perfectionnement liés à la robotique et l'apprentissage de la machine, y compris les réseaux de neurones, algorithmes génétiques, le traitement du langage naturel , la planification et jeu de société complexe et ainsi de suite.
" apprentissage en profondeur et tensorflow pratique "
Li Jianjun, Wang Ximing, Pan Mian, Xu Shuo cher Kong Dexing Zhang honnête, Xu Guoqing la
Tout d'abord, un bref historique du développement des réseaux de neurones, introduit tensorflow, le livre avec un simple modèle de régression linéaire pour prédire les prix démontre le mécanisme de travail de tensorflow, le troisième est quelques exemples de simple projet open source basé sur tensorflow. Il décrit la profondeur de l'extension réseau de neurones: l'apprentissage de la machine. Trois éléments au livre Machine Learning: Tâche (tâche), la performance (performance), l'expérience (expérience) comme le noyau, le principe du modèle d'apprentissage machine.
" principes d'apprentissage pratique et profondeur "
Chen Zhongming, avec Peng Ling Xi
Ce livre de manière systématique et complète, étape par étape introduction à la connaissance approfondie de tous les aspects de l'apprentissage, y compris une expérience technique, des conseils et des cas pratiques. Le livre détaille l'étude approfondie en cours concernant le modèle de réseau commun (ANN, DNN, CNN, RNN), ainsi que le principe de différents modèles de réseaux et algorithmes idée de base. Le livre utilise beaucoup de code exemple sur le modèle de réseau est analysé, ces cas peuvent améliorer la compréhension du lecteur du modèle de réseau. De plus, le livre fournit également le contenu complet avancé et le cas correspondant, pour donner aux lecteurs un aperçu complet de la profondeur des connaissances et des compétences pour apprendre, pour atteindre l'objectif d'appliquer leurs connaissances.
« Apprentissage en profondeur Python "
Nigel Lewis (Lewis N.D.) avec
Ce livre est l'utilisation de l'étude approfondie Python et la pratique d'un guide pour les débutants. Ce livre ne répertorie pas un grand nombre de formules, mais par une véritable cas pratique, une façon simple et facile à introduire deux tâches de réseau de neurones profondeur - la classification et la régression, pour résoudre certains des problèmes fondamentaux dans le modèle d'apprentissage en profondeur, afin de permettre les lecteurs ont une compréhension claire de l'image toute la profondeur de l'apprentissage.
« Keras réel apprentissage en profondeur »
Antonio Ganguly (Antonio Gulli), Su Yite Pal (Sujit Pal) avec
Ce livre est actuellement mis en uvre dans le cadre d'un grand nombre de populaire algorithme d'apprentissage profondeur Keras construire un certain nombre de modèles d'apprentissage en profondeur, et introduit l'application de l'apprentissage en profondeur dans des situations pratiques dans les jeux, en particulier le livre décrit également la génération actuelle du réseau de confrontation de feu ( GAN) applications. Le livre est facile à comprendre, en insistant sur le cas pratique pour la majorité des praticiens entrée d'apprentissage de la machine et les amateurs et la pratique.
" Data Science Maîtrise: retour linéaire à l'apprentissage en profondeur "
Don interactive
Obtenir les données scientifiques réelles, introduire des outils scientifiques couramment utilisés --Python, les bases mathématiques et des données modèle, discuter des frontières de données scientifiques - grandes données et l'intelligence artificielle, l'apprentissage de la machine, y compris le modèle classique, l'apprentissage machine distribuée, les réseaux de neurones et la profondeur de l'apprentissage.
« Lignes directrices de l'étude et la pratique de profondeur - basées sur la langue de R. »
N.D Lewis avec
Le livre, écrit par des auteurs bien connus N.D Lewis, R lecteurs apprennent à utiliser le langage pour étudier la profondeur de l'apprentissage, et cultivé avec succès dans un scientifique de données de haut. Livre est divisé en huit chapitres, il décrit les connaissances relatives à la profondeur de l'apprentissage, y compris une variété de réseaux de neurones. Ce livre apportera les lecteurs à en apprendre davantage sur les modules d'apprentissage profondeur et comment il fonctionne, et les lecteurs aidera plus rapidement sur les connaissances en compétences pratiques.
" Lignes directrices de pratique d'apprentissage machine - basée sur le langage R "
Nigel Lewis (Lewis N.D.) avec
Ce livre en expliquant la langue de R pour aider les lecteurs à construire un modèle d'apprentissage de la machine, et la compréhension théorique de toute une gamme de sciences relatives aux données, et comment utiliser la recherche en langage R. Les lecteurs de ce livre sans exigences techniques de base, le modèle de données construite à cet effet utilisé pour ceux qui souhaitent les lecteurs et les lecteurs veulent maîtriser l'outil de traitement efficace des données fournit une introduction complète.
« Machine Learning analyse de l'algorithme classique - basé sur OpenCV »
Zhao Chunjiang avec
Aux fins de ce livre est pour classificateur bayésien normale, K-voisin le plus proche, les machines à vecteurs de support, arbres de décision, AdaBoost, gradient stimuler l'arbre, les forêts aléatoires, arbre aléatoire extrême, offres alléchantes, réseau de neurones dix principes spécifiques grands algorithmes d'apprentissage machine classique pour analyser, puis donner la phrase source de OpenCV pertinente par l'interprétation de la phrase, et enfin compléter un exemple d'application basé sur OpenCV.
« La fonction image et locale détection Description »
Zhao Chunjiang avec
Ce livre OpenCV 2.4.9 comme outil de recherche, ses toutes dernières fonctionnalités mises en uvre pour détecter et décrire l'algorithme --KR, Canny, Harris, Shi-Tomasi, FAST, MSER, MREPT, SIFT, SURF, VIF, BREF, ORB, FREAK, Censuré etc., ont été expliqués en détail, non seulement analyse leurs principes et méthodes de mise en uvre, mais aussi une analyse détaillée du code source, et donne des exemples concrets de réalisation du programme, incarne pleinement les caractéristiques de la théorie et la pratique.
" OpenCV et le développement d'applications de reconnaissance d'image Visual Studio "
Wang Hee, hee nous réjouissons de votre
OpenCV peut être exécuté sur plusieurs plates-formes, et fournit une interface de la bibliothèque multi-langues pour obtenir de nombreux algorithmes communs de traitement d'image et vision par ordinateur. Ce livre est d'introduire la combinaison OpenCV de reconnaissance d'image Visual Studio et traitement Guide de programmation. Le livre a 11 chapitres, décrit OpenCV et les paramètres d'installation Visual Studio, ainsi que le noyau, HighGUI, ImgProc, Calib3d, Feature2d, Vidéo, Objdetect, ML, modules Contrib, impliquant le traitement de texte, traitement de photo, reconnaissance d'image, l'intégration OpenGL, matériel l'équipement utilisé conjointement avec d'autres fonctions dans de nombreux aspects, et donne enfin des exemples d'applications intégrées. Ce livre est adapté à la technologie de reconnaissance et de traitement de l'image sont intéressés et veulent apprendre OpenCV application et la programmation des lecteurs et des références.
« Algorithme sur le texte - traitement simple langage naturel »
Luyanxiongzhe
Ce livre combine de nombreuses années d'apprentissage et d'expérience de traitement du langage naturel dans des travaux connexes, en essayant d'utiliser de façon vivante pour en savoir plus sur la théorie, les méthodes et techniques de traitement du langage naturel. Le livre mis au rebut prouver fastidieux pour extraire les algorithmes de base, le traitement du langage naturel pour aider les lecteurs maîtriser les connaissances et les compétences nécessaires le plus rapidement possible.
" projet d'apprentissage machine tensorflow combat "
[Argentine] Rodolfo Bonnin avec
Tensorflow est dominé par le cadre de l'apprentissage de la machine de Google, est également un objet populaire d'étude et l'application de l'apprentissage de la machine. Ce livre explique comment utiliser la bibliothèque tensorflow obtenir une variété de modèles, conçus pour réduire la courbe d'apprentissage, et pour le lecteur de résoudre le problème de fournir une méthodologie détaillée et des conseils. Le livre a 10 chapitres, a présenté les bases de tensorflow, le regroupement, la régression linéaire, la régression logistique, les différents réseaux de neurones, l'application à grande échelle des compétences et exécuter la bibliothèque de modèle. Ce livre est adapté besoin d'apprendre et de comprendre tensorflow et l'apprentissage de la machine du lecteur est appelé. Si le lecteur a une certaine expérience en C ++ et Python, vous pourrez lire plus facilement et d'étudier ce livre.
« Programmation du réseau de neurones Python. »
Tariq Rashid (Tariq Rashid) avec
Réservez avec coups faciles, étape par étape révèle l'idée mathématique des réseaux de neurones, et comment utiliser le langage de programmation Python pour développer le réseau de neurones. Ce livre vous mènera à un voyage amusant, mais méthodiquement - une idée très simple dès le début, développer une compréhension du mécanisme de travail des réseaux de neurones. Vous ne avez pas besoin de connaissances des mathématiques au-delà de la portée de leurs études secondaires, et le livre comprend également le calcul d'un profil facile à comprendre. Ce livre est le best-seller Jumeirah cinq étoiles, source de préoccupation. Python3.5 base, impression couleur, si choisir seulement des livres de réseau de neurones, il est le premier choix.
Envoyer les livres bien-être
Cliquez sur le petit programme suivant participer schéma à la loterie, ce sélectionner 10 utilisateurs chanceux envoyer « Keras apprentissage en profondeur réel » un.
Figure InfoQ code dimensions pour recevoir un des coupons dédiés balayage, peut être Lire l'original la participation communautaire Asynchronous lors de la célébration du troisième anniversaire, livres complète 150 moins 50, allez retirer la laine!
