目录
• 第1部分 元编程基础技术
• 第1章 元编程基本方法
• 1.1 元函数与type traits
• 1.1.1 元函数简介
• 1.1.2 类型元函数
• 1.1.3 各式各样的元函数
• 1.1.4 type traits
• 1.2 元函数与宏
• 1.3 本书中元函数的命名方式
• 1.4 模板模板参数与容器模板
• 1.4.1 模板作为元函数的输入
• 1.4.2 模板作为元函数的输出
• 1.4.3 容器模板
• 1.5 从元函数到元对象
• 1.5.1 元对象与元数据域
• 1.5.2 元方法
• 1.6 奇特的递归模板式
• 1.7 小结
• 1.8 练习
• ...
目录
• 第一部分 图强化学习研究对象
• 第1章 图与复杂系统
• 1.1 为什么是图
• 1.1.1 图的普遍性
• 1.1.2 图的表示性
• 1.1.3 图的抽象性
• 1.2 图与复杂系统
• 1.2.1 复杂系统定义
• 1.2.2 复杂系统的图表示
• 1.3 复杂系统与强化学习
• 1.3.1 强化学习
• 第2章 图论基础
• 2.1 图论的起源
• 2.1.1 提出问题
• 2.1.2 形式化问题
• 2.1.3 求解问题
• 2.2 图论的发展
• 2.2.1 随机图理论
• 2.2.2 拓扑图论
• 2.2.3 几何图论
• 第二部分 图强化学习基础知识
• 第3...
目录
• 第一部分 强化学习基础
• 第1章 初探强化学习
• 1.1 简介
• 1.2 什么是强化学习
• 1.3 强化学习的目标
• 1.4 强化学习中的数据
• 1.5 强化学习的独特性
• 1.6 小结
• 第2章 多臂老虎机问题
• 2.1 简介
• 2.2 问题介绍
• 2.2.1 问题定义
• 2.2.2 形式化描述
• 2.2.3 累积懊悔
• 2.2.4 估计期望奖励
• 2.3 探索与利用的平衡
• 2.4 ε-贪婪算法
• 2.5 上置信界算法
• 2.6 汤普森采样算法
• 2.7 小结
• 2.8 参考文献
• 第3章 马尔可夫决策过程
• 3.1 简介
• 3...
目录
• 第1章 深度学习基础
• 1.1 深度学习的基础理论
• 1.1.1 人工智能的发展历程
• 1.1.2 深度学习受到的关注
• 1.1.3 深度学习的概念
• 1.1.4 深度学习的基本工作流程
• 1.2 深度学习框架
• 1.2.1 常用的深度学习框架
• 1.2.2 深度学习框架的对比与选择
• 1.2.3 深度学习框架的执行模式
• 1.2.3.1 Eager模式和Graph模式的对比
• 1.2.3.2 计算图的概念
• 1.3 华为云AI平台ModelArts
• 1.3.1 功能概述
• 1.3.2 ModelArts平台对异构生态的支持
• 1.3.3 Mod...
目录
• 第一部分 入门
• 第1章 进化深度学习简介
• 1.1 什么是进化深度学习
• 1.2 EDL的缘由与应用领域
• 1.3 深度学习优化的需求
• 1.4 用自动化机器学习实现自动优化
• 1.5 进化深度学习的应用
• 1.5.1 模型选择：权重搜索
• 1.5.2 模型架构：架构优化
• 1.5.3 超参数调优
• 1.5.4 验证和损失函数的优化
• 1.5.5 神经增强拓扑结构
• 1.6 本章小结
• 第2章 进化计算简介
• 2.1 Google Colaboratory中的康威生命游戏
• 2.2 用Python进行生命模拟
• 2.3 将生命模拟作为优化
• ...
目录
• 第1章 绪论
• 1.1 人工智能
• 1.1.1 人工智能技术的发展历程
• 1.1.2 人工智能技术的流派
• 1.2 深度学习与神经网络概述
• 1.2.1 深度学习与神经网络技术的发展历程
• 1.2.2 深度学习与神经网络的前沿技术
• 1.3 深度学习系统架构
• 1.4 深度学习的应用
• 1.5 深度学习的学习方法
• 1.6 人工智能潜在的安全风险
• 1.6.1 数据层面的风险
• 1.6.2 算法模型层面的风险
• 1.6.3 智能计算框架层面的风险
• 1.6.4 基础软硬件层面的风险
• 1.6.5 应用服务层面的风险
• 第2章 预备知识
• 2.1...
目录
• 第1章 让ChatGPT告诉我们什么是机器学习
• 1.1 问问ChatGPT什么是机器学习
• 1.1.1 机器学习的定义
• 1.1.2 通俗解释机器学习
• 1.1.3 举个例子解释机器学习
• 1.2 问问ChatGPT机器学习有什么用
• 1.2.1 机器学习的常见用途
• 1.2.2 机器学习可以预测未来吗
• 1.2.3 机器学习如何应用在商业中
• 1.3 问问ChatGPT机器学习该怎么学
• 1.3.1 机器学习的学习步骤
• 1.3.2 初学者如何学习机器学习
• 1.3.3 企业如何应用机器学习
• 1.4 机器学习系统的总体分类
• 1.4.1 什么是...
目录
• 第一部分 机器学习概念篇
• 第1章 机器学习基础
• 1.1 机器学习概述
• 1.1.1 机器学习概念
• 1.1.2 机器学习的发展
• 1.1.3 机器学习的用途
• 1.1.4 机器学习、数据挖掘与人工智能的关系
• 1.2 机器学习的基本术语
• 1.3 机器学习的任务及算法分类
• 1.4 如何学习和运用机器学习
• 1.4.1 机器学习应用的流程
• 1.4.2 软件平台的选择
• 1.4.3 机器学习实现
• 1.5 数据预处理
• 1.5.1 数据选取
• 1.5.2 数据清理
• 1.5.3 数据集成
• 1.5.4 数据变换
• 1.5.5 数据归约
•...
目录
• 第1章 机器学习基础
• 1.1 什么是机器学习
• 1.2 从数据中学习
• 1.3 机器学习能够解决的问题
• 1.4 机器学习的分类
• 1.4.1 学习方式
• 1.4.2 算法的分类
• 1.5 机器学习的范围
• 1.6 编程语言与开发环境
• 1.6.1 选择Python的原因
• 1.6.2 安装开发环境
• 1.6.3 Sklearn - learn
• 1.7 第一个机器学习应用：鸢尾花分类
• 1.7.1 特征数据与标签数据
• 1.7.2 训练数据与测试数据
• 1.7.3 构建机器学习模型
• 1.7.4 预测与评估
• 第2章 监督学习
• 2.1 ...
目录
• 第1章 机器学习入门
• 1.1 机器学习简介
• 1.1.1 什么是机器学习
• 1.1.2 机器学习的前景
• 1.2 机器学习的主要类型
• 1.2.1 监督学习
• 1.2.2 无监督学习
• 1.2.3 半监督学习
• 1.2.4 强化学习
• 1.2.5 监督学习案例
• 1.3 选择正确的算法
• 第2章 机器学习工具和环境
• 2.1 Python介绍
• 2.1.1 Python的安装
• 2.1.2 Python基础语法
• 2.1.3 Python其他特性
• 2.1.4 Python简单实战案例（猜字游戏）
• 2.1.5 Python高级实战案例（网络...