当当购书双十一钜惠，5折封顶！附图灵人工智能书单

关注公众号，发现CV技术之美

又到了双十一购物狂欢节。大家有没有想要的好书一直等到双十一打折一次抢购呢？

本次双十一人民邮电出版社图灵教育联合当当网为各位小伙伴们谋福利了！

超低折扣——当当网图灵教育丛书全场 5折封顶

此外还有叠加优惠劵——

满300-80   优惠码：GEBXZE

满150-30   优惠码：ZGC56Q

想想看600的书220块拿到手，300的书120块到手，是不是超超超划算呢？

现在不买更待何时，心动不如行动，小伙伴们，买它！！

活动时间:11月9日——11日11日

使用渠道:当当小程序或APP(仅限当当自营的图灵图书)

方法:扫下方当当码，挑选图书至购物车，点结算。结算时在“优惠券/码”处输入优惠码就可以了！

另外图灵君还整理了10本图灵人工智能经典好书，大家可以根据分类，自行查看~望大家都可以挑到满意的图书。

人工智能书单

  图神经网络导论

  图解机器学习算法

机器学习算法竞赛实战

  用Python动手学机器学习

  用Python动手学强化学习

  机器学习实战

  图解人工智能

  Python深度学习

  深度学习入门：基于Python的理论与实现

  Python机器学习基础教程

1.《图神经网络导论》

作者：刘知远，周界 

译者：李泺秋

图书特色

• 前沿：图神经网络（GNN）已风靡深度学习领域

• 全面：综述流行的 GNN 框架以及应用场景

• 新增：在英文版的基础上增补更多内容

• 力荐：多位 AI 先锋学者联袂推荐

• 精美：采用高档纯质纸，全彩印刷，适合珍藏

本书内容

图神经网络（GNN）是基于深度学习的图数据处理方法，因其卓越的性能而受到广泛关注。本书全面介绍了 GNN 的基本概念、具体模型和实际应用。书中首先概述数学基础和神经网络以及图神经网络的基本概念，接着介绍不同种类的 GNN，包括卷积图神经网络、循环图神经网络、图注意力网络、图残差网络，以及几个通用框架。此外，本书还介绍了 GNN 在结构化场景、非结构化场景和其他场景中的应用。读完本书，你将对 GNN 的最新成果和发展方向有较为透彻的认识。

2.《图解机器学习算法》

作者：[日]秋庭伸也，[日]杉山阿圣，[日]寺田学

译者：郑明智

图书特色

• 全面 网罗有监督学习和无监督学习的 17 种算法，涉及回归、分类、降维、聚类等问题。

• 直观 全彩图解，让原本抽象复杂的算法变得一目了然，方便读者快速了解各算法的特征，学会如何选择恰当的算法。

• 易懂 几乎没有数学公式和统计术语，零基础也可轻松读懂。

• 实现 各算法均用 Python 代码实现，读者可下载配套代码资源，边试边学。

内容简介

本书基于丰富的图示，详细介绍了有监督学习和无监督学习的 17 种算法，包括线性回归、正则化、逻辑回归、支持向量机、核方法、朴素贝叶斯、随机森林、神经网络、KNN、PCA、LSA、NMF、LDA、k-means 算法、混合高斯分布、LLE 和 t-SNE。书中针对各算法均用 Python 代码进行了实现，读者可一边运行代码一边阅读，从而加深对算法的理解。

3.《

机器学习算法竞赛实战 》

作者：王贺，刘鹏，钱乾

图书特色

• 腾讯广告算法大赛两届冠军、Kaggle Grandmaster 倾力打造

• 赛题案例来自 Kaggle、阿里天池、腾讯广告算法大赛

• 按照问题建模、数据探索、特征工程、模型训练、模型融合的步骤讲解竞赛流程

内容简介

本书是算法竞赛领域一本系统介绍竞赛的图书，书中不仅包含竞赛的基本理论知识，还结合多个方向和案例详细阐述了竞赛中的上分思路和技巧。全书分为五部分：第一部分以算法竞赛的通用流程为主，介绍竞赛中各个部分的核心内容和具体工作；第二部分介绍了用户画像相关的问题；第三部分以时间序列预测问题为主，先讲述这类问题的常见解题思路和技巧，然后分析天池平台的全球城市计算 AI 挑战赛和Kaggle 平台的Corporación Favorita Grocery Sales Forecasting；第四部分主要介绍计算广告的核心技术和业务，包括广告召回、广告排序和广告竞价，其中两个实战案例是 2018 腾讯广告算法大赛——相似人群拓展和 Kaggle 平台的TalkingData AdTracking Fraud Detection Challenge；第五部分基于自然语言处理相关的内容进行讲解，其中实战案例是 Kaggle 平台上的经典竞赛 Quora Question Pairs。本书适合从事机器学习、数据挖掘和人工智能相关算法岗位的人阅读。

4.《用Python动手学机器学习》

作者：[日]伊藤真   

译者：郑明智，司磊

图书特色 

• 341 个公式：推导过程全公开

• 175 段代码：边试边学效率高

• 167 张插图：以图配文好理解

• 支持 Jupyter Notebook

• 配套源码 & 资源可下载

内容简介

《用Python动手学机器学习》是面向机器学习新手的入门书，从学习环境的搭建开始，图文并茂地介绍了学习机器学习所需的 Python 知识和数学知识，并在此基础上结合数学式、示例程序、插图等，抽丝剥茧般地对有监督学习中的回归与分类、神经网络与深度学习的算法与应用、手写数字识别、无监督学习的算法等进行了介绍。

本书既有图形、代码，又有详细的数学式推导过程，大大降低了机器学习的学习门槛，即使没有学过 Python、数学基础不太好，也可以看懂。

5.《

用Python动手学强化学习》

作者：[日]久保隆宏

译者：梁垿，程引

本书特色

• 系统全面 涵盖从基本概念到前沿应用的各种知识，系统整理强化学习的研究体系。

• 实践导向 从实用性出发设计示例代码，并介绍强化学习的弱点及克服方法，以使读者能够将强化学习应用到工作中。

• 有趣有料 没有枯燥的公式推导，借助 132 张全彩图、大量示例和可以直接运行的代码，将强化学习问题化繁为简，即使是初学者也可轻松读懂。

内容简介

强化学习是机器学习的重要分支之一。本书结合实际可运行的 Python 代码，通过简明的文字、丰富的插图和示例，通俗易懂地介绍了从基础概念到前沿应用等方方面面的内容，包括根据环境和经验制订计划的学习方法、强化学习与神经网络的组合，以及强化学习的弱点和克服方法。读者通过下载书中代码并亲自动手运行，可以快速入门强化学习并进行实践。

6.《机器学习实战》

作者：[美]Peter Harrington

译者：李锐，李鹏，曲亚东，王斌

本书特色

• 最畅销机器学习图书

• 介绍并实现机器学习的主流算法

• 面向日常任务的高效实战内容

内容简介

全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用 Python 代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。

7.《图解人工智能》 

作者：[日]多田智史

译者：张弥

图书特色

• 内容全面：俯瞰全领域，网罗人工智能开发基础理论和技术

• 图文并茂：334 张图示帮助理解，以图配文，知识点清晰直观

• 专业实用：详略得当，辅以公式和代码，为深入研究打基础

• 知识点涵盖：机器学习，深度学习，强化学习，图像和语音的模式识别，自然语言处理，分布式计算

内容简介

近年，人工智能热潮席卷而来。本书以图解的方式网罗了人工智能开发必备的基础知识，内容涉及机器学习、深度学习、强化学习、图像和语音的模式识别、自然语言处理、分布式计算等热门技术。全书以图配文，深入浅出，是一本兼顾理论和技术的人工智能入门教材。旨在帮助读者建立对人工智能技术的整体印象，为今后深入探索该领域打下基础。另外，书中设有专栏和“小贴士”，介绍了相关术语的背景知识，可帮助读者扩充知识面，进一步理解相关技术。

8. 《Python深度学习》

作者：[美] 弗朗索瓦•肖莱（François Chollet）

译者：张亮（hysic）

图书特色

• Keras 之父、Google 人工智能研究员 François Chollet 执笔，深度学习领域力作

• 通俗易懂，帮助读者建立关于机器学习和深度学习核心思想的直觉 

内容简介

本书由 Keras 之父、现任 Google 人工智能研究员的弗朗索瓦•肖莱（François Chollet）执笔，详尽介绍了用 Python 和 Keras 进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含 30 多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。

9.《深度学习入门：基于Python的理论与实现》

作者：斋藤康毅

译者：陆宇杰

本书特色

• 日本深度学习入门经典畅销书，原版上市不足 2 年印刷已达 100 000 册。长期位列日亚“人工智能”类图书榜首，超多五星好评。

• 使用 Python 3，尽量不依赖外部库或工具，从零创建一个深度学习模型。

• 示例代码清晰，源代码可下载，需要的运行环境非常简单。读者可以一边读书一边执行程序，简单易上手。

• 使用平实的语言，结合直观的插图和具体的例子，将深度学习的原理掰开揉碎讲解，简明易懂。

本书简介

本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用 Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。

10. 《Python机器学习基础教程》

作者：[德] Andreas C. Müller [美] Sarah Guido

译者：张亮（hysic）

本书特色

• 机器学习所处理的数据的表示方法，包括重点关注数据的哪些方面

• 模型评估和调参的高级方法

• 处理文本数据的方法，包括文本特有的处理方法

• 进一步提高机器学习和数据科学技能的建议

本书简介

本书是机器学习入门书，以 Python 语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。

END

欢迎加入「计算机视觉」交流群备注：CV