- 机器学习人工智能AI参考书R语言实战使用无监督学习建立自动化的预测和分类模型
深度学习是机器学习的一个分支，其基础是一组试图使用模型架构建立高水平抽象模型的算法。本书结合R语言介绍深度学习软件包H2O，帮助读者理解深度学习的概念。本书从在R中设置可获取的重要深度学习包开始，接着转向建立神经网络、预测和深度预测等模型，所有这些模型都由实际案例的辅助来实现。成功安装了H2O软件包后，你将学习预测算法。随后本书会解释诸如过拟合数据、异常数据以及深度预测模型等概念。zui后，本书会介绍设计调参和优化模型的概念。
数据科学：R语言实战
作者：【美】Dan Toomey（丹·图米）
译者：刘丽君, 李成华, 卢青峰
- 学习R语言数据挖掘探索数据科学的基本原理算法解析与案例实战
本书涉及数据科学家感兴趣的核心话题，教会读者从各种各样的数据源中提取数据，并运用现有的公开可用的R函数和R功能包来处理这些数据。在很多情况下，处理结果能够以图形的方式显示，并获得更直观的理解。读者从中能学到行业内经常使用的主流数据分析技术。
概率图模型：基于R语言
作者：【法】David Bellot（大卫·贝洛特）
译者：魏博
- 热门机器学习研究方向贝叶斯网络和马尔可夫网络分析方法深度学习书籍 全彩印刷
概率图是什么？
一种可视化概率模型的方法，有利于设计和开发新模型，在人工智能、机器学习和计算机视觉等领域应用广泛。
读者可以从本书中学到哪些知识？
理解概率图模型的概念，为特定的问题选取特定的概率图模型。调整模型参数，自动发现新的模型。从简单到复杂，逐步理解贝叶斯模型的基本原理。把标准的线性回归模型转换为强大的概率图模型。理解当今产业界广泛使用的模型。使用推断和近似推断算法，计算后验概率分布。
