✍ Scribed by 朱定局
No coin nor oath required. For personal study only.
本书是一本学术著作，本书的前面几章是深度学习神经网络与大数据智能处理的理论方法部分；接下来几章是深度学习神经网络与大数据智能处理的应用实践部分。本书原创性在于提出、研究并给出了十四种深度学习神经网络与大数据智能处理新理论新方法和新应用。本书适用于高等院校、科研院所及企事业单位的科研及教学用书。
封面
扉页
内容简介
版权页
前言
目录
第1章 组合型深度学习模型
1.1 基于类别树的深度学习模型
1.2 基于联合聚类深度学习模型的数据识别
1.3 基于深度学习模型的身份识别
第2章 智能型深度学习模型
2.1 基于大数据的深度学习模型初始化
2.2 深度学习模型进化
第3章 适应型深度学习模型
3.1 期望与反期望深度学习模型
3.2 残缺深度学习模型
第4章 深度学习模型的预报预测大数据应用
4.1 基于大数据深度学习和分析场的气象预报
4.2 基于深度学习模型的文化冲突分析预测
第5章 深度学习模型的调度推荐大数据应用
5.1 基于大数据和深度学习模型的云计算调度
5.2 基于大数据和深度学习模型的停车引导
5.3 基于大数据与深度学习的婚恋对象匹配推荐
第6章 深度学习模型的检测诊断大数据应用
6.1 基于深度学习模型和大数据的停车位检测
6.2 基于深度学习模型面向自动诊断的医疗数据处理
正文结束
参考文献
结束语
📜 SIMILAR VOLUMES
<p>深度学习是人工智能的前沿技术。《深度学习之美：AI时代的数据处理与最佳实践》深入浅出地介绍了深度学习的相关理论和实践，《深度学习之美：AI时代的数据处理与最佳实践》共分16章，采用理论和实践双主线写作方式。第1章给出深度学习的大图。第2章和第3章，讲解了机器学习的相关基础理论。第4章和第5章，讲解了Python基础和基于Python的机器学习实战。第6至10章，先后讲解了M-P模型、感知机、多层神经网络、BP神经网络等知识。第11章讲解了被广泛认可的深度学习框架TensorFlow。第12章和第13章详细讲解了卷积神经网络，并给出了相关的实战项目。第14章和第15章，分别讲解了循环递归网
<p>《Python机器学习手册：从数据预处理到深度学习》采用基于任务的方式来介绍如何在机器学习中使用Python。书中有近200个独立的解决 方案，针对的都是数据科学家或机器学习工程师在构建模型时可能遇到的常见任务，涵盖从简 单的矩阵和向量运算到特征工程以及神经网络的构建。所有方案都提供了相关代码，读者可以 复制并粘贴这些代码，用在自己的程序中。</p> <p>《Python机器学习手册：从数据预处理到深度学习》不是机器学习的入门书，适合熟悉机器学习理论和概念的读者阅读。你可以将本书作 为案头参考书，在机器学习的日常开发中遇到问题时，随时借鉴书中代码，快速解决问题。</p>
本书以“项目引领”“任务驱动”的方式编写，既有实用、丰富的案例，又有详尽、系统的相关知识。 书中项目模拟企业数据管理工作的特点和需求，从企业数据管理人员的角度创建了某公司的人事管理、薪 资管理、销售管理等工作簿，通过对人事档案、薪资、销售、商务决策、抽样与问卷调查等数据的分析与 处理，全面地介绍了 Excel 2013 强大的数据处理功能在企业数据管理与分析工作中的具体应用。 全书共 7 个项目，主要介绍了 Excel 2013 的公式、函数、图表、数据的排序、筛选、汇总、数据透视 表、宏及 VBA 等工具的综合应用，以及 Excel 2013 数据分析工具：方案分析、变量求解、规划
《Excel数据处理与分析》为适应软件类课程特点和数据分析项目化教学改革需要，以Excel 2016为分析工具，按照多岗位的多条工作任务为主线，将统计分析理论与数据分析技巧融入具体的实践过程，注重实用，由浅入深，循序渐进。《Excel数据处理与分析》内容包括Excel数据分析基础、销售数据分析、调查问卷分析、人事数据处理与分析以及财务信息分析等五个项目，涵盖销售状况分析、销售业绩分析、销售预测；职工档案管理、考核管理、薪资管理；消费者构成分析、消费态度分析、消费行为分析以及财务报表分析、筹资分析、投资分析等多种典型工作任务和真实案例与技能训练。 《Excel据处理与分析》方法多样，理实一体，步