分类目录归档：Books
目录
• 第1章 时间序列预测概述
• 1.1 时间序列预测的机器学习方法
• 1.2 时间序列预测的监督学习
• 1.3 基于pandas的时间序列预测
• 1.4 时间序列预测的实验设置
• 1.5 总结
• 第2章 如何在云上设计一个端到端的时间序列预测解决方案
• 2.1 时间序列预测模板
• 2.1.1 业务理解和性能度量
• 2.1.2 数据源提取
• 2.1.3 数据探索与理解
• 2.1.4 数据预处理和特征工程
• 2.1.5 模型的创建和选择
• 2.2 需求建模技术概述
• 2.2.1 模型开发
• 2.2.2 模型部署
• 第3章 时间序列数据的准备
• 3.1 ...
为什么伟大不能被计划
5000天后的世界
Python神经网络编程
《情感机器人：人工情感的逻辑框架与深度算法》读书摘要
一、主要内容摘要
《情感机器人：人工情感的逻辑框架与深度算法》深入探讨了情感机器人这一前沿领域，揭示了人工智能与情感计算相结合的奥秘。
书中首先对人工智能的基础进行了阐述，包括人工智能的研究内容、发展简史、主要学派和发展方向等内容，为后续对情感机器人的讨论做了铺垫。通过对人工智能奇点之争等热点话题的探讨，使读者对这一领域的现状和未来有了宏观的认识。
接着聚焦于人工情感领域，探讨了时代对人工情感的呼唤，以及围绕人工情感存在的诸多争议。书中详细介绍了美国的“情感计算”以及世界各国的“人工情感”研究情况，并深入剖析了当今人工情感理论存在的缺...
《协作机器人技术及应用》读书摘要
一、主要内容摘要
《协作机器人技术及应用》是一本专注于协作机器人领域的专业书籍。随着工业自动化和人工智能的发展，协作机器人在现代生产和服务场景中扮演着越来越重要的角色，这本书为读者深入了解这一领域提供了全面的知识。
书中首先介绍了协作机器人的基本概念和发展历程，包括协作机器人的定义、产生背景以及与传统工业机器人的区别等内容。这有助于读者建立对协作机器人的初步认识，理解其在工业和其他领域中的应用优势。
接着，详细阐述了协作机器人的核心技术，如视觉识别技术、力觉控制技术、运动学与动力学建模等。这些技术是协作机器人能够实现精准操作和安全协作的关键，书中通过原理...
《基于Python进行数据分析的实用机器学习》读书摘要
一、主要内容摘要
《基于Python进行数据分析的实用机器学习》是一本专注于使用Python进行数据分析和机器学习实践的书籍。它为读者提供了从基础概念到实际应用的全面指导，尤其适合希望将机器学习技术应用于数据分析领域的专业人士。
书中开篇介绍了机器学习的基本概念，包括什么是机器学习、为什么需要使用机器学习以及机器学习的关键任务等内容。这些基础知识帮助读者建立起对机器学习领域的初步认知，理解其在当今数据驱动时代的重要性。
接着，详细阐述了机器学习框架的各个环节，例如数据收集、数据描述、探索性数据分析、数据质量分析和数据准备等。这些步骤...
《Python无监督学习》读书摘要
一、主要内容摘要
《Python无监督学习》是一本专注于使用Python进行无监督学习的技术书籍。无监督学习是机器学习的一个重要分支，旨在从无标签的数据中发现模式和结构。
书中首先介绍了无监督学习的基本概念，包括描述性分析、诊断性分析、预测性分析和规范性分析等内容，帮助读者理解无监督学习在数据分析中的应用场景和重要性。例如，在数据分析过程中，描述性分析可以帮助我们了解数据的基本特征。
接着深入到具体的无监督学习算法。在聚类算法方面，详细讲解了K - means聚类、层次聚类、DBSCAN等算法的原理和实现。这些算法用于将数据点划分为不同的群组，例如在客...
《机器学习中的概率统计：Python语言描述》读书摘要
一、主要内容摘要
《机器学习中的概率统计：Python语言描述》是一本专注于将概率统计知识与机器学习相结合，并通过Python语言实现相关算法的书籍。它为读者深入理解机器学习算法背后的概率统计原理提供了全面且系统的讲解。
书中开篇构建了概率思想的理论基础，引入了条件概率、独立性等基本概念，帮助读者建立对概率统计的初步认知。例如，详细解释了从条件概率到全概率公式的推导过程，使读者理解概率在不同场景下的计算方法。
接着深入探讨变量分布，涵盖了随机变量的基础概念和重要分布类型，包括离散型和连续型随机变量的分布。通过实际案例和数学推导，阐述...
《Python机器学习中的数学修炼》读书摘要
一、主要内容摘要
《Python机器学习中的数学修炼》是一本专注于机器学习背后数学原理，并结合Python实践的书籍。对于希望深入理解机器学习算法原理的读者来说，这是一本很有价值的书籍。
书中首先从最优化基础入手，详细阐述了泰勒公式、黑塞矩阵、正定与半正定矩阵等概念。这些数学知识是理解后续机器学习算法优化过程的基石。例如，通过泰勒公式可以对函数进行近似，在机器学习算法的迭代优化中起到重要作用。
接着探讨了概率论基础，包括概率的基本概念、随机变量、概率分布等内容。在机器学习中，概率论用于描述数据的不确定性和模型的泛化能力。例如，贝叶斯定理在分类...