本书配套的教学资源有:授课电子课件、源代码和实验步骤指导,及建立了gitee工程,读者在使用过程中可以在gitee中获取更实时的一些资源:https://gitee.com/gaoyanzeng/maching_learning_tutorial
,教学资源可在本页面注册审核后下载,也可联系微信jinaqing_candy或发邮件jinacmp@163.com索取(注明姓名、学校等信息)。
本书图文并茂、深入浅出地介绍了机器学习算法所需的数学、Python语言编程基础知识,以及回归模型、K 近邻、K 均值、决策树、弱学习器集成、人工神经网络、深度学习等常用的机器学习算法。全书共10 章,每章习题中都配套了实验练习环节,实验内容包括Python 开发环境配置、机器学习算法的实际应用等,所有实验都配有Jupyter 的Python 代码,从而使读者既能掌握算法理论原理,又能进行实际应用。 本书适合作为普通高等院校本科或研究生阶段的人工智能、机器学习、数据挖掘等课程的教材,也适合作为自学的参考书。
本书配套的教学资源有:授课电子课件、源代码和实验步骤指导,及建立了gitee工程,读者在使用过程中可以在gitee中获取更实时的一些资源:https://gitee.com/gaoyanzeng/maching_learning_tutorial
,教学资源可在本页面注册审核后下载,也可联系微信jinaqing_candy或发邮件jinacmp@163.com索取(注明姓名、学校等信息)。
本书图文并茂、深入浅出地介绍了机器学习算法所需的数学、Python语言编程基础知识,以及回归模型、K 近邻、K 均值、决策树、弱学习器集成、人工神经网络、深度学习等常用的机器学习算法。全书共10 章,每章习题中都配套了实验练习环节,实验内容包括Python 开发环境配置、机器学习算法的实际应用等,所有实验都配有Jupyter 的Python 代码,从而使读者既能掌握算法理论原理,又能进行实际应用。 本书适合作为普通高等院校本科或研究生阶段的人工智能、机器学习、数据挖掘等课程的教材,也适合作为自学的参考书。
随手扫一扫~了解多多