2021年2月


撰写于    浏览:674 次  分类: PyTorch 教程
1、封面介绍2、出版时间2018年1月3、推荐理由浅入深地讲解Keras与TensorFlow深度学习类神经网络,使用实际的数据集配合范例程序代码介绍各种深度学习算法,并示范如何进行数据预处理、训练数据、建立模型和预测结果。本书提供安装、上机操作指南,同时辅以大量范例程序介绍TensorFlow + Keras深度学习方面的知识。本书分9部分,共2[...]

撰写于    浏览:2187 次  分类: 默认分类
1、封面介绍2、出版时间2020年9月3、推荐理由本书以通俗易懂的语言,从密码学产生的背景、经典的加密算法、常见的加密系统、密钥管理等角度对密码学进行了全面介绍,特别分析了日常生活中互联网、移动电话、wi-fi网络、银行卡、区块链等应用中使用的密码学技术,帮助读者理解密码学在实际生活中的应用。本书关注现代密码学背后的基本原理而非技术细节,读者有高中[...]

撰写于    浏览:989 次  分类: 自然语言处理与推荐系统
1、封面介绍2、出版时间2019年1月3、推荐理由TensorFlow是谷歌研发的人工智能学习系统,是一个用于数值计算的开源软件库。《TensorFlow深度学习算法原理与编程实战》以基础+实践相结合的形式,详细介绍了TensorFlow深度学习算法原理及编程技巧。通读全书,读者不仅可以系统了解深度学习的相关知识,还能对使用TensorFlow进行[...]

撰写于    浏览:1328 次  分类: 自然语言处理与推荐系统
1、封面介绍2、出版时间2020年4月3、推荐理由本书除了介绍推荐系统的一般框架、典型应用和评测方法之外,还主要介绍各种典型推荐算法的思想、原理、算法设计和应用场景,包括针对“千人千面”的个性化推荐和针对“千人万面”的情境化推荐。此外,本书还包含一些和推荐系统相关的专题内容,如针对排序问题的排序学习和针对信息融合的异质信息网络模型。本书可作为计算机[...]

撰写于    浏览:1766 次  分类: 自然语言处理与推荐系统
1、封面介绍2、出版时间2018年7月3、推荐理由本书介绍当前推荐系统领域中的经典方法。不仅详细讨论了各类方法,还对同类技术进行了归纳总结,这有助于读者对当前推荐系统研究领域有全面的了解。书中提供了大量的例子和习题来帮助读者深入理解和掌握相关技术。此外,本书还介绍了当前新的研究方向,为读者进行推荐系统技术的研究提供参考。本书既可以作为计算机相关专业[...]

撰写于    浏览:1686 次  分类: 自然语言处理与推荐系统
1、封面介绍2、出版时间2019年10月3、推荐理由适读人群 :本书适合 AI、数据挖掘、大数据等领域的从业人员阅读,书中为开发者展现了推荐算法的原理、实现与应用案例。1.本书主要讲解推荐系统中的推荐算法——召回算法和排序算法,以及各个算法在主流工具Sklearn、Spark、TensorFlow等中的实现和应用。2.本书本着循序渐进的原则进行讲解[...]

撰写于    浏览:2951 次  分类: 自然语言处理与推荐系统
1、封面介绍2、出版时间2020年7月3、推荐理由适读人群 :本书的目标读者是推荐系统研发工程师、产品经理以及对推荐系统感兴趣的学生和从业者。本书是一本面向实践的企业级推荐系统开发指南,内容包括产品设计、相关性算法、排序模型、工程架构、效果评测、系统监控等推荐系统核心部分的设计与开发,可以帮助开发者逐步构建一个完整的推荐系统,并提供了持续优化的系统[...]

撰写于    浏览:967 次  分类: 自然语言处理与推荐系统
1、封面介绍2、出版时间2018年7月3、推荐理由本书由五部分组成:推荐系统的技术、评估、应用、人机交互及高级话题。第 一部分展示了如今构建推荐系统的流行和基础的技术,如协同过滤、基于语义的方法、数据挖掘方法和基于情境感知的方法。第二部分主要关注离线和真实用户环境下用于评估推荐质量的技术及方法。第三部分包括了一些推荐技术多样性的应用。首先简述了与工[...]

撰写于    浏览:885 次  分类: 自然语言处理与推荐系统
1、封面介绍2、出版时间2019年10月3、推荐理由适读人群 :个性化推荐的产品经理及运营人员,或者从事相关工作的工程师,或者想了解个性化推荐产品的泛互联网爱好者本书是一本关于推荐系统产品如何落地的综合图书,内容覆盖产品、算法、工程、团队和个人成长。书中不仅梳理了从事推荐系统工作需要具备的思维模式和需要了解的问题类型,还从产品和商业角度分析了当前最[...]

撰写于    浏览:900 次  分类: 自然语言处理与推荐系统
1、封面介绍2、出版时间2018年12月3、推荐理由本书的几位作者都在大型互联网公司从事与推荐系统相关的实践与研究,通过这本书,把推荐系统工作经验予以总结,以帮助想从事推荐系统的工作者或推荐系统爱好者。本书的内容设置由浅入深,从传统的推荐算法过渡到近年兴起的深度学习技术。不管是初学者,还是有一定经验的从业人员,相信都能从本书的不同章节中有所收获。区[...]

撰写于    浏览:1110 次  分类: 自然语言处理与推荐系统
1、封面介绍2、出版时间2012年6月3、推荐理由项亮等编著的《推荐系统实践》通过大量代码和图表全面系统地阐述了和推荐系统有关的理论基础,介绍了评价推荐系统优劣的各种标准(比如覆盖率、满意度)和方法(比如AB测试),总结了当今互联网领域中各种和推荐有关的产品和服务。另外,本书为有兴趣开发推荐系统的读者给出了设计和实现推荐系统的方法与技巧,并解答了在[...]

撰写于    浏览:1540 次  分类: PyTorch 教程
1、封面介绍2、出版时间2020年10月3、推荐理由《深度学习实战——基于TensorFlow 2.0的人工智能开发应用》以TensorFlow 2.0人工智能平台的基础架构为切入点,逐步过渡到TensorFlow 2.0项目开发实战和项目部署上线中,并重点介绍了使用TensorFlow 2.0的高级封装Keras搭建神经网络、训练神经网络和进行神[...]

撰写于    浏览:987 次  分类: PyTorch 教程
1、封面介绍2、出版时间2019年6月3、推荐理由深度学习应用所使用的大部分数据是由自然语言处理(NLP)提供的,而TensorFlow是目前比较重要的深度学习框架。面对当今巨量数据流中众多的非结构化数据,本书详细讲解如何将TensorFlow与NLP二者结合以提供有效的工具,以及如何将这些工具应用于具体的NLP任务。本书首先介绍NLP和Tenso[...]

撰写于    浏览:1327 次  分类: PyTorch 教程
1、封面介绍2、出版时间2020年7月3、推荐理由适读人群 :希望了解TensorFlow结构和新特性的数据科学家、机器学习的开发人员、深度学习的研究人员和具有统计知识的开发者。要充分利用这本书,需要你掌握Python编程语言方面的知识。TensorFlow是流行的、使用广泛的机器学习框架,它使得每个人都能轻松开发机器学习解决方案。使用Tensor[...]

撰写于    浏览:3117 次  分类: PyTorch 教程
1、封面介绍2、出版时间2020年10月3、推荐理由适读人群 :深度学习从业者;嵌入式工程师;从初级到高级的各级学生、教师、研究人员;其他对深度学习和TinyML感兴趣的人员深度学习网络正在变得越来越小。Google Assistant团队可以使用大小只有14KB的模型检测单词——模型小到可以在微控制器上运行。在这本实用的书中,你将进入TinyML[...]