标题: 使用Python进行数据分析(Numpy、Matplotlib和Pandas) 作者: 伯恩德·克莱恩 发布者: Python课程 平装本: 不适用 电子书: PDF格式( 语言: 英语 国际标准图书编号-10: 不适用 ISBN-13: 不适用 分享这个:
不适用
-
用于数据分析的Python:Pandas、NumPy和Jupyter 重点是Python编程、库和工具,而不是数据分析方法。 这是数据分析所需的Python编程。 在此过程中,您将学习熊猫、NumPy和Jupyter的最新版本。 -
R和Python数据分析简介 本书帮助学生同时使用R和Python编写代码。 这本书是以一种吸引人的合作风格写成的,这使它读起来很愉快。 它保持了其正式性,而不会在读者和内容之间造成障碍。 -
Python深度学习,第2版(弗朗索瓦·霍利特) 本书介绍了使用Python和强大的 凯拉斯 库。 它为初学者和经验丰富的机器学习实践者提供了见解,并通过直观的解释和实际示例构建您的理解。 -
深度学习数学导论(Arnulf Jentzen等人) 本书旨在介绍深度学习算法这一主题,涵盖深度学习算法的基本组成部分的完整数学细节,包括不同的 人工神经网络(ANN) 体系结构和算法。 -
浅层与深层:神经网络导论 这本书是一本课堂讲稿的集合,提供了对 神经网络 以及一般的机器学习。 重点在于经典的机器学习技术,偏向于分类和回归。 -
梯度期望:预测神经网络的结构 深入研究神经网络预测功能的机制及其绘制人工智能新路径的能力。深入研究哺乳动物大脑的已知神经结构,阐明预测网络的结构。 -
深度学习(Ian Goodfellow等人) 由三位专家撰写,这是唯一一本关于这个主题的综合性书籍。 它提供数学和概念背景,涵盖线性代数、概率论和信息论、数值计算和机器学习中的相关概念。 -
神经网络与深度学习(迈克尔·尼尔森) 神经网络和深度学习目前为图像识别、语音识别和自然语言处理中的许多问题提供了最佳解决方案。 本书将教你神经网络和深度学习背后的核心概念。 -
用于自动驾驶的深层神经网络和数据 这本开放存取的书结合了学术界和工业界的观点,在工业界,计算机视觉和机器学习满足了高度自动化驾驶和人工智能的环境感知。 -
关于图的深度学习(Yao Ma等人) 这本书是一本关于 图形神经网络 应用于NLP、数据挖掘、视觉和医疗保健。 希望使用图形神经网络来推进其学科发展的人可以访问。 -
基于物理的深度学习(Nils Thuerey等人) 这本书包含了物理模拟背景下与深度学习相关的所有内容的实用而全面的介绍。 所有主题都以Jupyter笔记本的形式提供了动手代码示例,以便快速入门。 -
深度学习的超参数调整:实用指南 这本开放存取书提供了大量实践示例,说明了如何 超参数 调优可以在实践中应用,并且可以深入了解机器学习(ML)和深度学习(DL)方法的工作机制。 -
Python深度学习,第2版(弗朗索瓦·霍利特) 本书介绍了使用Python和强大的 凯拉斯 库。 它为初学者和经验丰富的机器学习实践者提供了见解,并通过直观的解释和实际示例构建您的理解。 -
深入学习(Aston Zhang等人) 这是一本开源的交互式书籍,以独特的形式提供,集成了文本、数学和代码,现在支持TensorFlow、PyTorch和 阿帕奇MXNet 完全通过Jupyter笔记本起草的编程框架。 -
使用Fastai和PyTorch对编码人员进行深度学习 本书向您展示了如何使用fastai和 PyTorch公司 。您还将逐步深入深入学习深度学习理论,以全面了解幕后的算法。 -
PyTorch深度学习(Eli Stevens等人) 这本书教你创建深度学习和神经网络系统 PyTorch公司 它可以让您立即从头开始构建肿瘤图像分类器。 您将学习整个深度学习管道的最佳实践,处理高级项目。