当前位置:首页 > 名称

大约有80,143项符合查询结果项。(搜索耗时:0.1937秒)

为您推荐: 用python动手学机器学习pdf 用python动手学统计学 title动手学深度学习 精 python机器学习实战 python机器学习 原书第2版 python机器学习案例教程 原书第2版

  • 大话Python机器

    张居营编著2019 年出版408 页ISBN:9787517074342

    机器习是什么?本书第一章就以我们日常生活中的案例为基础,通俗地讲解了机器习的内涵、思维,并根据后边章节的内容构建了机器习的主要框架,相信读者读完第一章就能够对机器习有一个深刻而清晰的了解。本...

  • NLTK基础教程 用NLTK和Python库构建机器习应用

    (印度)哈登尼亚(Nitin Hardeniya)2017 年出版153 页ISBN:9787115452573

    本书是一本介绍NLTK的书,书中也介绍了很多有关Python语言的知识。本书首先帮助读者掌握构建系统NLP的要点,并引导读者探索数据科相关的领域。除此之外,书中还介绍了很多有关于自然语言处理的重要知识,让读者...

  • 实用数据科Python机器

    FRANKKANE著2019 年出版404 页ISBN:9787564183202

    从事Amazon和IMDB的机器习算法相关工作的Frank Kane将指导你迈向数据科世界的第一步。本书为你提供了理解和探究该领域核心主题所需的工具,以及构建和分析你自己的机器习模型的信心和实践。借助有趣易...

  • 数据科与工程技术丛书 PYTHON机器

    (美)塞巴斯蒂安·拉施卡(Sebastian Raschka)著;高明,徐莹,陶虎成译2017 年出版259 页ISBN:9787111558804

    机器习与预测分析正在改变企业和其他组织的运作方式,本书将带领读者进入预测分析的世界。全书共13章,除了简要介绍机器习及Python机器习中的应用,还系统讲述了数据分类、数据预处理、模型优化、集成...

  • Python项目案例开发从入门到实战 爬虫、游戏和机器习 微课版

    郑秋生,夏敏捷主编;宋宝卫,李娟副主编2019 年出版399 页ISBN:9787302459705

    本书是一本面向广大Python编程爱好者的程序设计类图书。本书最大的特色在于以开发案例为主要的内容。书中讲解的案例都是具有实际使用价值的项目和一些大家耳熟能详的经典游戏(比如推箱子,连连看,象棋,麻将、网...

  • Python深度习实战 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等框架构建深度习应用,集中于深度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机器习中的应用

    余本国编著2019 年出版327 页ISBN:9787517074830

    《基于python的人工智能基础及实战》一书是一本零基础入门教程,教你如何从一名计算机编程小白,到一名能够操纵当下流行的、最新版的python3.6语言,再入门人工智能,最后自己动手深入各类小应用项目实战。本书由...

  • Python机器习实战 决策树、集成习、支持向量机与神经网络算法详解及编程实现

    何宇健编著2017 年出版315 页ISBN:9787121317200

    单就机器习而言,其领域就包括但不限于:有监督习、无监督习和半监督习,具体的问题又大致可以分两类:分类问题和回归问题。本书主要介绍各种有监督分类器的原理与Python实现,对于无监督问题和回归问题则相...

  • Python数据挖掘与机器习实战

    方巍编著2019 年出版264 页ISBN:9787111626817

    本书作为数据挖掘的入门读物,基于真实的数据集进行案例实战,使用Python数据科库,从数据预处理开始一步步介绍数据建模和数据挖掘的过程。主要介绍了数据挖掘的基础知识、基本工具和实践方法,通过循序渐进地讲...

  • 动手深度

    杨海玲责任编辑;(美)阿斯顿·张,李沐2019 年出版412 页ISBN:9787115490841

    本书不仅阐述深度习的算法原理,还演示它们的实现和运行。本书共分3个部分:第一部分介绍深度习的背景,提供预备知识,并包括深度习最基础的概念和技术;第二部分描述深度习计算的重要组成部分,还解释近年......

出版时间

全部

15年(1)

1654年(1)

1737年(1)

1758年(2)

18年(1)

1830年(2)

1881年(1)

1886年(1)

1900年(1)

1901年(4)

1902年(1)

1903年(1)

1905年(2)

1906年(2)

1907年(3)

1910年(2)

1912年(6)

1913年(8)

1914年(3)

1915年(3)

1916年(3)

1917年(5)

1918年(15)

1919年(7)

1920年(8)

1921年(7)

1922年(4)

1923年(11)

1924年(7)

1925年(15)

1926年(31)

1927年(24)

1928年(24)

1929年(35)

1930年(35)

1931年(39)

1932年(16)

1933年(65)

1934年(58)

1935年(78)

1936年(146)

1937年(47)

1938年(33)

1939年(31)

1940年(25)

1941年(18)

1942年(14)

1943年(15)

1944年(13)

1945年(14)

1946年(46)

1947年(83)

1948年(76)

1949年(92)

1950年(149)

1951年(235)

1952年(154)

1953年(302)

1954年(319)

1955年(308)

1956年(330)

1957年(368)

1958年(541)

1959年(445)

1960年(330)

1961年(300)

1962年(142)

1963年(136)

1964年(117)

1965年(162)

1966年(92)

1967年(16)

1968年(21)

1969年(21)

1970年(68)

1971年(142)

1972年(250)

1973年(271)

1974年(268)

1975年(416)

1976年(259)

1977年(421)

1978年(328)

1979年(371)

1980年(456)

1981年(390)

1982年(419)

1983年(482)

1984年(550)

1985年(595)

1986年(610)

1987年(711)

1988年(788)

1989年(847)

1990年(839)

1991年(795)

1992年(835)

1993年(890)

1994年(866)

1995年(751)

1996年(906)

1997年(1031)

1998年(1168)

1999年(1256)

2000年(1433)

2001年(1860)

2002年(2128)

2003年(2340)

2004年(2660)

2005年(2973)

2006年(3510)

2007年(3012)

2008年(3293)

2009年(3379)

2010年(3234)

2011年(3274)

2012年(3060)

2013年(3095)

2014年(3005)

2015年(3113)

2016年(2769)

2017年(2528)

2018年(2131)

2019年(900)

2020年(48)

2222年(2704)

29年(1)

54年(1)

I210年(1)

None年(3)

V22年(1)

V271年(1)

V355年(1)

null年(4)

ⅩL年(1)

主题年(1)

北京年(1)

小説年(1)

昭和年(6)

民国年(17)

返回顶部