"《PyTorch深度学习入门与技术实践》介绍如何学习和使用流行的PyTorch框架开发深度学习应用，主要内容包括PyTorch中的计算图，用三阶多项式拟合函数，实现手写数字识别，神经网络基础，卷积神经网络，PyTorch基础知识，transformer架构，文本分类应用开发，聊天机器人应用开发，用Wav2Vec2进行

本书融合作者构建、运维和扩展大型机器学习系统的经验，通过丰富的示例，详细讲解如何运行高效、可靠的机器学习系统。本书首先概述机器学习相关概念和数据管理原则，涵盖数据管理、机器学习模型、评估质量、特征、公平性、隐私等主题；然后介绍机器学习模型及其生命周期；最后讲述如何将机器学习引入组织，以及引入后组织会发生什么等复杂问题。

《深入理解PyTorch》详细阐述了与PyTorch相关的基本解决方案，主要包括深度卷积神经网络架构、结合CNN和LSTM、深度循环模型架构、高级混合模型、图神经网络、使用PyTorch生成音乐和文本、神经风格迁移、深度卷积GAN、利用扩散生成图像、深度强化学习、模型训练优化、将PyTorch模型投入生产、移动设备上的

MetaLearning得到的算法能依据自己表现的反馈信号及时地调整其结构和参数空间,进而在新环境中通过累计经验提升表现性能，是走向机器自主学习和迈向强人工智能的关键一步。本书适用于所有对人工智能感兴趣的读者。作者面向metalearning甚至是机器学习的初学者，从学习者的视角，通俗易懂地描述metalearning

在机器学习领域，优化的核心目标是用最少的计算资源获取最准确的预测结果无论是规划最短配送路线、确定最优定价策略，还是生成最精准的推荐。当传统方法因效率低下或成本过高而显得力不从心时，贝叶斯优化可以利用概率论的知识，为高效调优机器学习函数、算法及超参数提供革命性的解决方案。《机器学习贝叶斯优化》一书将教你如何运用贝叶斯方法

本书内容系统、全面，全书共11章，归结为3部分进行介绍。第1部分主要介绍Python程序设计基础，包括Python的内建数据结构(列表、元组、字典和集合)、Python语句、Python函数、Python面向对象程序设计和Python数据可视化等。第2部分主要介绍Python数据分析基础，包括NumPy工具、Pytho

本书主要汇集了作者及团队关于深度学习前沿技术应用研究成果,同时也消化吸收了相关论著的最新成果,从原理、框架与应用三个方面阐释内容。全书分四篇共11章。第一篇(第1-2章)为深度学习基础篇,其中第1章整体介绍了人工智能、机器学习与深度学习,第2章介绍了深度学习的数学与优化基础。第二篇(第3-5章)为神经网络篇,包括人工神

本书构建了近似动态规划和强化学习的新的理论框架,简洁但雄心勃勃。这一框架以离线训练和在线学习这两个算法为中心,彼此独立又通过牛顿法有机融合。当今新一代人工智能技术发展绚丽多彩。在看似纷繁复杂的数据与算法表象之下,其实蕴藏着简洁而美妙的规律。通过本书的学习,读者将能体会经典优化控制理论在分析理解当代强化学习算法性能中的强

本书是机器学习的入门书，深入浅出地讲解机器学习的基础理论与应用，不仅注重给理论添加浅显易懂的解释和详述，而且探讨何种创新思维或科学思维可以产生或引导出某个理论，让学习者在学习理论过程中自然地培养创新思维与科学思维。本书知识点包括回归分析、k-近邻算法、决策树、贝叶斯分类器、支持向量机、模型性能评估、集成学习、降维方法、

机器学习（ML）和人工智能（AI）领域正在蓬勃发展，几乎每天都有新的研究、模型和技术出现。面对如此丰富的选择，数据科学家、机器学习工程师和软件开发人员很容易迷失在将AI/ML模型从实验阶段推向生产的众多步骤中。 这本实用书籍专注于生产环境机器学习，指导你将ML模型转化为可行的产品和应用。生产环境机器学习涵盖了ML的所