首页
登录/注册
编程语言
计算机基础
互联网
云计算&大数据
人工智能
设计
职场办公
注重体验与质量的电子书资源下载网站
标签名:
ML
出版日期:
2017-01
Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems
评分:
9.2
出版日期:
2004-01
Modern Compiler Implementation in ML
评分:
9.2
出版日期:
2013-01
Real World OCaml: Introduction to a Flexible and Concise Programming Language
评分:
9.2
出版日期:
2012-01
Foundations of Machine Learning
评分:
9.1
出版日期:
2006-01
Prediction, Learning, and Games
评分:
9.1
出版日期:
2016-01
Introduction to Machine Learning with Python
评分:
9.0
出版日期:
2005-01
Gaussian Processes for Machine Learning (Adaptive Computation and Machine Learning)
评分:
8.7
出版日期:
1998-01
The Little MLer
评分:
8.7
出版日期:
2005-01
ML程序设计教程
评分:
8.7
出版日期:
2014-01
Understanding Machine Learning: From Theory to Algorithms
评分:
8.3
出版日期:
2009-01
Machine Learning: An Algorithmic Perspective
评分:
8.1
出版日期:
2015-01
Real-World Machine Learning
评分:
8.1
出版日期:
2012-01
Machine Learning: The Art and Science of Algorithms that Make Sense of Data
评分:
7.8
出版日期:
2012-01
Natural Language Annotation for Machine Learning: A Guide to Corpus-Building for Applications
评分:
7.6
出版日期:
2013-01
OCaml from the Very Beginning
评分:
7.2
出版日期:
2014-01
机器学习基础教程: A First Course in Machine Learning
评分:
7.1
出版日期:
2017-01
Python机器学习实践指南
评分:
7.0
出版日期:
2017-01
Feature Engineering for Machine Learning Models
评分:
6.5
出版日期:
2019-01
深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台
评分:
5.5
出版日期:
2000-01
Développement d'applications avec Objective Caml
评分:
0.0
出版日期:
2008-01
The EM Algorithm and Extensions
评分:
0.0
出版日期:
1999-01
Unsupervised Learning: Foundations of Neural Computation
评分:
0.0
出版日期:
2009-01
Neural Network Learning: Theoretical Foundations
评分:
0.0
出版日期:
2018-01
深度学习: 一起玩转TensorLayer
评分:
0.0
