澳大利亚新华书店网

强化学习
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(英)菲尔·温德尔|责编:刘炽|译者:邹伟//康俊鹏//王伟出版社：中国电力
强化学习将是未来十年在人工智能领域的最大突破之一，强化学习算法能够使得智能体在环境中学习任意目标。这一令人兴奋的发展打破了传统机器学习的算法约束。这本实用的书向数据科学和人工智能专业人员展示了如何通过强化的手段使机器能够自己学习。本书作者创办了自己名字命名的研究型公司，本书涵盖了从基本的构建模块到最先进的实践。通过本书，你将探索强化学习的当前状态、关注工业应用、学习大量算法，本书还有专门章节介绍如何将强化学习的解决方案部署到生产环节。这并不是一本随用随翻的工具书，书中包含很多数学知识，并期望读者是熟悉机器学习的。学习强化学习是什么，以及算法如何解决具体问题。掌握强化学习的基础知识，包括马尔可夫决策过程、动态规划和时间差分算法。深入研究一系列基于值函数和政策梯度的算法。应用先进的强化学习解决方案，如元学习、分层学习、多智能体、模仿学习等。了解最前沿的深度强化学习算法，包括Rainbow、 PPO、TD3、SAC等。通过本书专门的配套网站获得实践代码和案例。
售价：51.20

深度学习
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(美)伊恩·古德费洛//(加)约书亚·本吉奥//亚伦·库维尔|译者:赵申剑//黎彧君//符天凡//李凯出版社：人民邮电
由美国伊恩·古德费洛、加拿大约书亚·本吉奥和加拿大亚伦·库维尔所著，赵申剑、黎彧君、符天凡和李凯共同翻译、张志华等审校的《深度学习》一书分为3个部分，第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分深入地讲解现今已成熟的深度学习方法和技术；第3 部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第 3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。《深度学习》这本书既可以被本科生或研究生用于规划其学术界或工业界生涯，也适用于希望在各种产品或平台上开始使用深度学习技术的软件工程师。作者在本书的配套网站上为读者和教师提供了补充资料。
售价：67.20

机器学习
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：周志华|责编:薛慧出版社：清华大学
机器学习是计算机科学的重要分支领域。本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。全书共16章，大致分为3个部分：第1部分(第l～3章)介绍机器学习的基础知识；第2部分(第4 ～10章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习)；第3部分(第11～16章)为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索。本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
售价：43.20

图机器学习
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(美)克劳迪奥·斯塔迈尔|责编:贾小红|译者:马京京出版社：清华大学
本书详细阐述了与图机器学习相关的基本解决方案，主要包括图的基础知识、图机器学习概述、无监督图学习、有监督图学习、使用图机器学习技术解决问题、社交网络图、使用图进行文本分析和自然语言处理、信用卡交易的图分析、构建数据驱动的图应用程序和图的新趋势等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。
售价：43.60

TensorFlow机器学习
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(美)尼山特·舒克拉|译者:刘宇鹏//杨锦锋//滕志扬出版社：机械工业
本书由浅入深地对TensorFlow进行了介绍，并对 TensorFlow的本质、核心学习算法（线性回归、分类、聚类、隐马尔可夫模型）和神经网络的类型（自编码器、强化学习、卷积神经网络和循环神经网络）都进行了详细介绍，同时配以代码实现。本书可作为人工智能、机器学习、深度学习相关行业的从业者和爱好者的重要参考书。
售价：27.60

机器学习与深度学习算法基础
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：编者:贾壮|责编:张云静出版社：北京大学
本书从机器学习的概念与基本原理开始，介绍了机器学习及近年来流行的深度学习领域的经典模型。阅读本书可以让读者系统地了解机器学习和深度学习领域的基本知识，领会模型算法的思路与策略。本书分为两篇，共18 章。第一篇为经典机器学习模型，主要介绍常用的机器学习经典模型，包括线性回归、支持向量机模型、逻辑斯蒂回归、决策树模型、k近邻、朴素贝叶斯、线性判别分析和主成分分析、流形学习、聚类算法、稀疏编码、直推式支持向量机、集成算法。第二篇为深度学习模型与方法，剖析神经网络的基本要素，并介绍常用的深度学习模型，包括感知机、卷积神经网络、循环神经网络、生成对抗网络。本书试图从初学者的角度对机器学习和深度学习的经典算法进行详细阐述。本书插图丰富，语言通俗易懂，适合初入机器学习领域的“萌新”，也适合希望将机器学习算法应用到日常工作中的其他专业从业者，还可供对人工智能领域感兴趣的读者参考阅读。
售价：35.60

强化学习与深度学习(通过C语言模拟)
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(日)小高知宏|译者:张小猛出版社：机械工业
本书以深度学习和强化学习作为切入点，通过原理解析、算法步骤说明、代码实现、代码运行调试，对强化学习、深度学习以及深度强化学习进行了介绍和说明。本书共4章。第1章介绍了人工智能、机器学习、深度学习、强化学习的基本概念。第2章以Q学习为例，重点介绍了强化学习的原理、算法步骤、代码实现、代码运行调试。第3章先对深度学习的几种常见的类型和原理进行介绍，然后给出了例程和调试方法。第4章以Q学习中运用神经网络为例，介绍了深度强化学习的基本原理和方法，同时也给出了例程和调试方法。本书适合想要获得深度学习进阶知识、强化学习技术及其应用实践的学生、从业者，特别是立志从事 AI相关行业的人士阅读参考。
售价：23.60

深度强化学习实战/深度学习系列
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(美)亚历山大·扎伊//布兰登·布朗|责编:吴晋瑜|译者:李晗出版社：人民邮电
丛书项：深度学习系列
本书先介绍深度强化学习的基础知识及相关算法，然后给出多个实战项目，以期让读者可以根据环境的直接反馈对智能体加以调整和改进，进一步提升运用深度强化学习技术解决实际问题的能力。本书涵盖深度Q网络、策略梯度法、演员-评论家算法、进化算法、 Dist-DQN、多智能体强化学习、可解释性强化学习等内容。本书给出的实战项目紧贴深度强化学习技术的发展趋势，且所有项目示例以 Jupter Notebook样式给出，便于读者修改代码、观察结果并及时获取经验，能够带给读者交互式的学习体验。
售价：47.92

Keras高级深度学习/深度学习系列
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(菲)罗韦尔·阿蒂恩扎|责编:刘星宁//任鑫|译者:蔡磊//潘华贤//程国建出版社：机械工业
丛书项：深度学习系列
本书是高级深度学习技术的综合指南，内容包括自编码器、生成对抗网络（GAN）、变分自编码器（VAE）和深度强化学习（DRL），在这些技术的推动下，AI于近期取得了令人瞩目的成就。本书首先对多层感知器（MLP）、卷积神经网络（CNN）和循环神经网络（RNN）进行了概述，这些是本书中介绍的更高级技术的构建模块。之后探索了包括ResNet和DenseNet在内的深度神经网络架构以及如何创建自编码器。读者将学习如何使用Keras和 TensorFlow实现深度学习模型，并进一步实现其高级应用。随后，读者将会了解到有关GAN的所有知识，以及认识到其如何将AI性能提升到新的水平。在此之后，读者可快速了解VAE的实现方式，并将认识到GAN 和VAE是如何具备生成数据的能力的，并且使所生成的数据对人类来说极具说服力。因此，该类方法已成为现代AI的一个巨大进步。为充分了解该系列相关先进技术，读者将会学习如何实现DRL，例如深度Q- Learning和策略梯度方法，这些方法对于AI在现代取得很多成就至关重要。本书适合想要深入了解深度学习高级主题的机器学习工程师，以及高等院校人工智能、数据科学、计算机科学等相关专业学生阅读。
售价：35.60

深度学习基础教程/深度学习系列
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(美)邸韡//阿努拉格·巴德瓦杰//魏佳宁|译者:杨伟//李征出版社：机械工业
丛书项：深度学习系列
邸韡著的《深度学习基础教程》是真正适合深度学习初学者的入门书籍，全书没有任何复杂的数学推导。《深度学习基础教程》首先介绍了深度学习的优势和面临的挑战、深度学习采用深层架构的动机、学习深度学习需要的数学知识和硬件知识以及深度学习常用的软件框架。然后对多层感知机、卷积神经网络（CNN）、受限玻耳兹曼机（RBM）、循环神经网络（RNN）及其变体—长短时记忆（LSTM ）网络进行了详细介绍，并且以独立章节重点阐述了CNN在计算机视觉中的应用、RNN在自然语言处理中的应用以及深度学习在多模态学习领域中的应用。随后，本书介绍了深度强化学习的基本知识，给出了应用深度学习技术需要的许多实用技巧并概述了深度学习的一些新方向和新应用。
售价：23.60

漫画机器学习(欧姆社学习漫画)
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(日)荒木雅弘|责编:杨凯|译者:喻春燕|绘画:(日)Verte 出版社：科学
本书以漫画形式讲解机器学习的基本概念和关键知识点，尽可能通俗易懂地讲解回归、分类、结果评价、深度学习、集成学习、无监督学习等的原理。本书内容基于大学一年级的数学知识，着眼于主人公们学习和工作中遇到的问题，探究机器学习解决方案。本书可作为中学生拓宽科技学习视野、培养计算思维、了解人工智能的启蒙书，也可用作科技教育的辅导教材。
售价：18.00

TensorFlow深度学习(原书第2版)/深度学习系列
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(意)吉安卡洛·扎克尼//(德)礼萨·卡里姆|责编:刘星宁//朱林|译者:连晓峰//谭励出版社：机械工业
丛书项：深度学习系列
深度学习是基于多层次抽象学习的机器学习算法的一个分支。神经网络是深度学习的核心，广泛应用于预测分析、计算机视觉、自然语言处理、时间序列预测，以及其他复杂任务。通过本书，将学习如何利用前馈神经网络、卷积神经网络、循环神经网络、自编码器和因子分解机为机器学习系统开发深度学习应用程序，并了解如何在 GPU上实现分布式深度学习程序设计。通过本书学习，将掌握机器学习技术的相关知识，以及应用于实际项目的能力。本书主要内容：在最新版本的TensorFlow中实现深度机器智能和 GPU计算；获取公共数据集，并在TensorFlow下加载、处理和转换数据；了解如何使用高级TensorFlow APl构建功能强大的应用程序；利用深度学习进行可扩展目标检测和移动计算；通过探讨强化学习技术，训练机器从数据中快速学习；深入探讨深度学习研究和应用的关键领域。本书适合于希望利用TensorFlow的强大功能，结合其他开源Python库，构建功能强大、稳健且准确的预测模型的开发人员、数据分析师、机器学习从业者和深度学习爱好者。
售价：39.60

Kubeflow学习指南(生产级机器学习系统实现)
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(美)Trevor Grant//(加)Holden Karau//(俄)Boris Lublinsky//(美)Richard Liu//Ilan Filonenko|责编:王春华//李忠明|译者:狄卫华出版社：机械工业
如果你正在训练一个机器学习模型，但不确定如何将其投入生产，本书将协助你完成目标。 Kubeflow为模型生命周期的不同阶段提供了一系列云原生工具，从数据探索和特征准备到模型训练和模型服务。本书可以帮助数据科学家用Kubeflow构建生产级机器学习实现，并向数据工程师展示了如何使模型具有可伸缩性和可靠性。作者使用书中的示例解释了如何使用Kubeflow在云端或者本地开发环境中的Kubernetes上训练机器学习模型并为模型提供服务。本书将帮助你：理解Kubeflow的设计、核心组件和所能解决的问题。使用Kubeflow和流行的工具（包括Scikit-learn、 TensorFlow和 ApacheSpark）训练模型。使用Kubeflow流水线使模型保持状态。了解如何获取模型训练的元数据。为超参调优进行训练。了解如何在生产中为模型提供服务。探索如何用其他开源工具扩展Kubeflow。
售价：39.60

移动深度学习
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：李永会出版社：电子工业
本书由浅入深地介绍了如何将深度学习技术应用到移动端运算领域，书中尽量避免罗列公式，尝试用浅显的语言和几何图形去解释相关内容。本书第1章展示了在移动端应用深度学习技术的Demo，帮助读者建立直观的认识；第2章至第4章讲述了如何在移动端项目中应用深度学习技术；第5章至第8章的难度略大，主要讲述如何深入地调整框架，适配并定制自己的框架。本书适合移动端研发工程师阅读，也适合所有对移动端运算领域感兴趣的朋友阅读。
售价：30.00

零基础学机器学习
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：黄佳|责编:颜景燕出版社：人民邮电
本书的目标，是让非机器学习领域甚至非计算机专业出身但有学习需求的人，轻松地掌握机器学习的基本知识，从而拥有相关的实战能力。本书通过AI“小白”小冰拜师程序员咖哥学习机器学习的对话展开，内容轻松，实战性强，主要包括机器学习快速上手路径、数学和 Python基础知识、机器学习基础算法（线性回归和逻辑回归）、深度神经网络、卷积神经网络、循环神经网络、经典算法、集成学习、无监督和半监督等非监督学习类型、强化学习实战等内容，以及相关实战案例。本书所有案例均通过Python及 Scikit-learn机器学习库和 Keras深度学习框架实现，同时还包含丰富的数据分析和数据可视化内容。本书适合对AI感兴趣的程序员、项目经理、在校大学生以及任何想以零基础学机器学习的人，用以入门机器学习领域，建立从理论到实战的知识通道。
售价：35.92

动手学深度学习
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：阿斯顿·张//李沐//(美)扎卡里·C.立顿//(德)亚历山大·J.斯莫拉出版社：人民邮电
本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习最基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。
售价：34.00

PyTorch深度学习入门
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：曾芃壹出版社：人民邮电
本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前最流行的深度学习应用。书中基于目前流行的PyTorch框架，运用Python语言实现了各种深度学习的应用程序，让理论和实践紧密结合。本书适合打算入门深度学习的人群以及对Python 语言有初步了解的读者阅读。
售价：23.60

EASY RL(强化学习教程)
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：编者:王琦//杨毅远//江季|责编:郭媛出版社：人民邮电
强化学习作为机器学习及人工智能领域的一种重要方法，在游戏、自动驾驶、机器人路线规划等领域得到了广泛的应用。本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界冠军带你从零实践强化学习”公开课的精华内容，在理论严谨的基础上深入浅出地介绍马尔可夫决策过程、蒙特卡洛方法、时序差分方法、Sarsa 、Q学习等传统强化学习算法，以及策略梯度、近端策略优化、深度Q网络、深度确定性策略梯度等常见深度强化学习算法的基本概念和方法，并以大量生动有趣的例子帮助读者理解强化学习问题的建模过程以及核心算法的细节。此外，本书还提供习题解答以及Python代码实现，可以让读者进行端到端、从理论到轻松实践的全生态学习，充分掌握强化学习算法的原理并能进行实战。本书适合对强化学习感兴趣的读者阅读，也可以作为相关课程的配套教材。
售价：39.96

深度学习项目化教程
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：编者:许高明//陈益//吴文波|责编:金佩雯出版社：浙江大学
本书主要介绍深度学习项目化技术和分析应用，涵盖初级视觉领域的智能分析应用和高级视觉领域的智能分析应用，在初级人工智能分析技术中详细的介绍了人工智能的发展，从知识入手，让读者了解人工智能的由来，同时介绍了人工智能学习的框架以及目标训练的技术，这些是人工智能中的核心技术，对读者接触人工智能技术知识以及学习到人工智能技术操作有着巨大的帮助，由浅入深增加学习的兴趣，真正学习到人工智能的核心技术。
售价：38.00

机器学习Python版
所属分类：电子电脑>>电工无线电自动化>>自动化技术作者：(美)马克·E.芬纳|责编:曲熠|译者:江红//余青松//余靖出版社：机械工业
本书面向初学者，使用 Python语言以及流行的 scikit-learn机器学习库等资源，通过易于实践的项目，帮助读者掌握开发有效的机器学习系统所需的流程、模式和策略。与包含大量数学公式的书籍不同，本书主要通过故事、图片和代码示例来讲解机器学习的概念和技术，尽量减轻读者在数学方面的负担，但要求读者具备一定的编程基础。书中逐步引导读者完成构建、训练和评估学习系统的每一步，在此过程中，根据需要不断填充机器学习系统的各个组成部分，拓展机器学习工具箱，并尝试探索复杂的新技术。本书主要内容：理解机器学习的算法、模型和核心概念。构建分类器和回归器。评估机器学习系统的性能。利用特征工程将原始的粗糙数据平滑成有用的格式。将多个组件连接到一个系统中，并调整其性能。将机器学习技术应用于图像处理和文本处理。将核心概念与神经网络和图模型联系起来。
售价：59.60

商品分类