Python Machine Learning

This book provides frequently studied and used machines together with soft computing methods such as evolutionary computation. The main topics of the machine learning cover Artificial Neural Networks

本書以案例驅動的方式講解機器學習算法的知識點，並以Python語言作為基礎開發語言實現算法，包括目前機器學習主流算法的原理、算法流程圖、算法的詳細設計步驟、算法實例、算法應用、算法的改進與優化等環節。全書共分 17 章，前兩章介紹機器學習與 Python 語言的相關基礎知識，後面各章以案例的方式分別介紹線性回歸算法、邏輯回歸算法、K *近鄰算法、PCA 降維算法、k-means算法、支持向量機算法

Elon Musk, Stephen Hawking and Bill Gates, have proclaimed Artificial Intelligence as a possible threat in the future unless humans learn to use it wisely. Could this be true? Is it possible for us to

Pyhton Programming LanguageAre You Ready to Know All About Python? * * *LIMITED TIME OFFER! 25% OFF! (Regular Price $11,49) * * *Read on your PC, Mac, smart phone, tablet or Kindle device. Learning a

《Python機器學習》面向機器學習新手，主要內容如下： ● Python機器學習的一些基本庫，包括NumPy、Pandas和matplotlib庫 ● 常見的機器學習算法，包括回歸、聚類、分類和異常檢測 ● 使用Python和Scikit-learn庫進行機器學習 ● 將機器學習模型部署為Web服務 ● 使用Microsoft Azure Machine Learning Studio進行機器學

本書共22章，分為三個部分。第一部分(第1～5章)為Python及應用數學基礎部分，介紹Python和TensorFlow的基石Numpy，深度學習框架的鼻祖Theano，以及機器學習、深度學習算法應用數學基礎等內容。第二部分(第6～20章)為深度學習理論與應用部分，介紹機器學習的經典理論和算法，深度學習理論及方法，TensorFlow基於CPU、GPU版本的安裝及使用、TensorFlow基礎、

深度學習正日益深刻地滲入我們的生活，從建議內容到在任務關鍵型和安全關鍵型應用中發揮核心作用，其影響無所不在。然而，隨著這些算法影響力的逐漸擴大，人們對於依賴這些算法的系統安全性和魯棒性的擔憂也日益加劇。簡言之，傳統的深度學習方法往往難以察覺自身的知識邊界，即它們“不知其所不知”。貝葉斯深度學習(Bayesian Deep Learning，BDL)領域包含一系列利用深度網絡進行近似貝葉斯推理的方法。這些方法通過揭示模型對其預測結果的置信度，增強了深度學習系統的魯棒性，使我們能夠更謹慎地將模型預測融入實際應用中。《Python貝葉斯深度學習》將引領你踏入迅速發展的不確定性感知深度學習領域，助你深入理解不確定性估計在構建魯棒性的機器學習系統中的重要價值。你將學習多種流行的BDL方法，並通過涵蓋多種應用場景的Python實用示例來掌握這些方法的實現技巧。讀完本書後，你將深刻理解BDL及其優勢，並能夠為更安全、更魯棒的深度學習系統開發貝葉斯深度學習模型。主要內容：● 了解貝葉斯推理和深度學習的優缺點● 了解貝葉斯神經網絡(Bayesian Neural Network，BNN)的基本原理● 了解主要貝葉斯神經網絡實現/近似之間的差異● 了解生產環境中概率深度神經網絡的優勢● 在Python代碼中實現各種貝葉斯深度學習方法● 運用貝葉斯深度學習方法解決實際問題● 學習如何評估貝葉斯深度學習方法並為特定任務選擇最佳方法● 在實際深度學習應用中處理“分布外”數據

本書首先介紹在強化學習環境中工作所需的工具、庫和設置，涵蓋了強化學習的構成模塊，深入探討基於值的方法，如Q-learning和SARSA算法的應用。讀者將學習如何結合使用Q-learning和神經網絡來解決複雜問題。此外，在學習*d*dPG和TD3確定性算法之前，讀者將學習策略梯度方法，如TRPO和PPO，以提高性能和穩定性。本書還介紹模仿學習的原理，以及Dagger如何教智能體飛行。讀者將探索進化策略和黑盒優化技術。最後，讀者將掌握探索方法，如UCB和UCB1，並開發一個名為ESBAS的元算法。

本書作為數據挖掘的入門讀物，基於真實的數據集進行案例實戰，使用Python數據科學庫，從數據預處理開始一步步介紹數據建模和數據挖掘的過程。主要介紹了數據挖掘的基礎知識、基本工具和實踐方法，通過循序漸進地講解算法，帶領讀者輕鬆踏上數據挖掘之旅。本書採用理論與實踐相結合的方式，呈現了如何使用邏輯回歸進行環境數據檢測，如何使用HMM進行中文分詞，如何利用卷積神經網絡識別雷達剖面圖，如何使用循環神經網絡構建聊天機器人，如何使用樸素貝葉斯算法進行破產預測，如何使用DCGAN網絡進行人臉生成等。本書也涉及神經網絡、在線學習、強化學習、深度學習和大數據處理等內容。本書以人工智能主流編程語言Python 3版本作為數據分析與挖掘實戰的應用工具，從Pyhton的基礎語法開始，陸續介紹了NumPy數值計算、Pandas數據處理、Matplotlib數據可視化、爬蟲和Sklearn數據挖掘等內容。全書共涵蓋16個常用的數據挖掘算法和機器學習實戰項目。通過學習本書內容，讀者可以掌握數據分析與挖掘的理論知識及實戰技能。

本書涵蓋Kubernetes架構、部署、核心資源類型、系統擴縮容、存儲卷、網絡插件與網絡本書由淺入深地介紹了一系列常見的Python數據科學問題。書中介紹的實踐項目簡單明瞭，可作為模板快速啟動其他類似項目。通過本書，你將學習如何構建一個Web應用程序以進行數值或分類預測，如何理解文本分析，如何創建強大的交互界面，如何對數據訪問進行安全控制，以及如何利用Web插件實現信用卡付款和捐贈。每章都遵循三個

Anew title in The QuestKids children's series thatwas launched by In Easy Steps in 2018, designed to make learning fun forchildren.Coding with Python- Create Amazing Graphics introducescoding in Python through a variety of projects. Each one teaches new codingconcepts and results in some amazing graphics.Discover how to mix colours, make patterns, draw 2D and 3Dshapes.Learn how to use loops, variables, random numbers, andfunctions in Python. Packed with challenges, tips, and extensions to keep allbudding coders engaged and eager to keep learning and creating!To create the games in this book, children will need a desktopcomputer or a laptop. The games require a proper keyboard so will not work wellon a tablet or iPad. It is recommended that children should be supervised whenusing the internet, especially when using a new website. Thisis the UK English edition.

國內外最具代表性案例，9大專題實戰、15個分類實例 Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練，從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！ 資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。 在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。 程式人、工程師挑戰人工智慧最佳學習地圖由類神經網路基礎到AI應用實戰訓練、模型、預測、辨識、分析與驗證全面深入機器學習與深度學習技術核心 ■打造專屬Python、TensorFlow與Keras最強開發環境。 ■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。 ■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。 ■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。 ■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。 ■全面深入不同應用面向：印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測… ■網羅國內外最具代表性案例：手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。 ■一次領略機器學習與深

強化學習是一種重要的機器學習方法，在智能體及分析預測等領域有許多應用。本書共13章，主要包括強化學習的各種要素，即智能體、環境、策略和模型以及相應平臺和庫；Anaconda、Docker、OpenAI Gym、Universe和TensorFlow等安裝配置；馬爾可夫鏈和馬爾可夫過程及其與強化學習問題建模之間的關係，動態規劃的基本概念；蒙特卡羅方法以及不同類型的蒙特卡羅預測和控制方法；時間差分學習、預測、離線/在線策略控制等；多臂賭博機問題以及相關的各種探索策略方法；深度學習的各種基本概念和RNN、LSTM、CNN等神經網絡；深度強化學習算法DQN，以及雙DQN和對抗網絡體系結構等改進架構；DRQN以及DARQN；A3C網絡的基本工作原理及架構；策略梯度和優化問題；最後介紹了強化學習的最新進展以及未來發展。

The Internet gives us access to a wealth of information in languages we don't understand. The investigation of automated or semi-automated approaches to translation has become a thriving research fie

《強化學習基礎、原理與應用》循序漸進地講解了使用Python語言實現強化學習的核心算法開發的知識，內容涵蓋了數據處理、算法、大模型等知識，並通過具體實例的實現過程演練了各個知識點的使用方法和使用流程。《強化學習基礎、原理與應用》共分為17章，主要內容包括強化學習基礎、馬爾可夫決策過程、蒙特卡洛方法、Q-learning與貝爾曼方程、時序差分學習和SARSA算法、DQN算法、DDQN算法、競爭DQN算法、REINFORCE算法、Actor-Critic算法、PPO算法、TRPO算法、連續動作空間的強化學習、值分布式算法、基於模型的強化學習、多智能體強化學習實戰：Predator-Prey 遊戲及自動駕駛系統。本書內容簡潔而不失技術深度，以極簡的文字介紹了複雜的案例，易於閱讀和理解。《強化學習基礎、原理與應用》適用於已經瞭解Python語言基礎語法的讀者，想進一步學習強化學習、機器學習、深度學習及相關技術的讀者，還可作為大專院校相關專業的師生用書和培訓機構的教材使用。

Twins Scarlett and Thomas have been learning about the Maya at school. They even had a go at making hot chocolate from cacao beans. When Grandad falls ill, the twins know what the perfect cure will be – hot chocolate! They nervously borrow Grandad’s time machine and travel back to the time of the Mayas. Scarlett pretends to be a god, and gets taken in by the royal family. Thomas is not quite so lucky, and ends up playing for his life in a brutal Mayan ball game. Watch out, Thomas, if you lose, you might be sacrificed to the gods! How far would you go to find the best hot chocolate?

Discover two sides of history with the Time Travel Twins!Twins Scarlett and Thomas are learning about the Stone Age, so Grandad lets them use his time machine. Thomas wants to see a sabre-toothed tiger; Scarlett wants to see Stonehenge. They were thousands of years apart, what should they do? Go back in time twice of course!From perilous encounters with Neanderthals and woolly mammoths, to being roped into a mysterious ancient ceremony, the twins will need to keep their wits about them to survive their visits to the Stone Age!