資源下載 | 深度學習、機器學習、機器學習實戰、統計學習方法、高等數學、線性代數

 

 掃碼關注公衆號，在公衆號主頁回覆相應序號可下載資料。

 

​

回覆：001

—

 

《統計學習方法》 李航

　　統計學習是計算機及其應用領域的一門重要的學科。本書全面系統地介紹了統計學習的主要方法，特別是監督學習方法，包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦迴歸與最大熵模型、支持向量機、提高方法、em算法、隱馬爾可夫模型和條件隨機場等。除第1章概論和最後一章總結外，每章介紹一種方法。敘述從具體問題或實例入手，由淺入深，闡明思路，給出必要的數學推導，便於讀者掌握統計學習方法的實質，學會運用。爲知足讀者進一步學習的須要，書中還介紹了一些相關研究，給出了少許習題，列出了主要參考文獻。

 

 

回覆：002

—

《機器學習》  周志華

　　機器學習是計算機科學與人工智能的重要分支領域. 本書做爲該領域的入門教材，在內容上儘量涵蓋機器學習基礎知識的各方面。爲了使盡量多的讀者經過本書對機器學習有所瞭解, 做者試圖儘量少地使用數學知識. 然而, 少許的機率、統計、代數、優化、邏輯知識彷佛不可避免. 所以, 本書更適合大學三年級以上的理工科本科生和研究生, 以及具備相似背景的對機器學 習感興趣的人士. 爲方便讀者, 本書附錄給出了一些相關數學基礎知識簡介

 

 

回覆：003

—

《機器學習實戰》Peter

　　機器學習是人工智能研究領域中的一個極其重要的方向。在現今大數據時代的背景下捕獲數據並從中萃取有價值的信息或模式使得這一過去爲分析師與數學家所專屬的研究領域愈來愈爲人們矚目。本書經過精心排的實例切入平常工做任務摒棄學術化語言利用高效可複用的Python 代碼闡釋如何處理統計數據進行數據分析及可視化。讀者可從中學到一些核心的機器學習算法並將其運用於某些策略性任務中如分類、預測及推薦等

 

 

回覆：004

—

《高等數學》(  第六版  上冊) 同濟大學

 

回覆：005

—

《高等數學》(  第六版  下冊) 同濟大學

 

回覆：006

—

《線性代數》（第五版）   同濟大學

 

 

　　回覆：007

　　—

　　《深度學習》 中文版　　Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 

　　本書旨在向讀者交付有關深度學習的交互式學習體驗。書中不只闡述深度學習的算法原理，還演示它們的實現和運行。與傳統圖書不一樣，本書的每一節都是一個能夠下載並運行的 Jupyter記事本，它將文字、公式、圖像、代碼和運行結果結合在了一塊兒。此外，讀者還能夠訪問並參與書中內容的討論。

　　全書的內容分爲3個部分：第一部分介紹深度學習的背景，提供預備知識，幷包括深度學習最基礎的概念和技術；第二部分描述深度學習計算的重要組成部分，還解釋近年來令深度學習在多個領域大獲成功的卷積神經網絡和循環神經網絡；第三部分評價優化算法，檢驗影響深度學習計算性能的重要因素，並分別列舉深度學習在計算機視覺和天然語言處理中的重要應用。

本書同時覆蓋深度學習的方法和實踐，主要面向在校大學生、技術人員和研究人員。閱讀本書須要讀者瞭解基本的Python編程或附錄中描述的線性代數、微分和機率基礎。