新增了四个教程：
-
Python 人工智能中文版
- 0 前言
- 1 人工智能简介
- 2 人工智能的根本用例
- 3 机器学习管道
- 4 特征选择和特色工程
- 5 应用监督学习的分类和回归
- 6 集成学习的预测剖析
- 7 通过无监督学习检测模式
- 8 构建举荐零碎
- 9 逻辑编程
- 10 启发式搜寻技术
- 11 遗传算法和遗传编程
- 12 云上的人工智能
- 13 应用人工智能构建游戏
- 14 构建语音识别器
- 15 自然语言解决
- 16 聊天机器人
- 17 序列数据和工夫序列剖析
- 18 图像识别
- 19 神经网络
- 20 将卷积神经网络用于深度学习
- 21 循环神经网络和其余深度学习模型
- 22 通过强化学习创立智能体
- 23 人工智能和大数据
-
Python 无监督学习实用指南
- 零、前言
- 一、无监督学习入门
- 二、聚类根底
- 三、高级聚类
- 四、实用的档次聚类
- 五、软聚类和高斯混合模型
- 六、异样检测
- 七、降维和成分剖析
- 八、无监督神经网络模型
- 九、生成反抗网络和 SOM
- 十、习题
-
生成反抗网络我的项目
- 零、前言
- 一、生成反抗网络简介
- 二、3D-GAN — 应用 GAN 生成形态
- 三、应用条件 GAN 进行人脸老化
- 四、应用 DCGAN 生成动漫角色
- 五、应用 SRGAN 生成真切的图像
- 六、StackGAN – 真切的文本到图像合成
- 七、CycleGAN – 将绘画变成照片
- 八、条件 GAN – 应用条件反抗网络的图像到图像翻译
- 九、预测 GAN 的将来
-
TensorFlow 智能挪动我的项目
- 零、前言
- 一、挪动 TensorFlow 入门
- 二、通过迁徙学习对图像进行分类
- 三、检测物体及其地位
- 四、以惊人的艺术风格变换图片
- 五、理解简略的语音命令
- 六、用自然语言形容图像
- 七、应用 CNN 和 LSTM 辨认绘画
- 八、用 RNN 预测股价
- 九、应用 GAN 生成和加强图像
- 十、构建相似 AlphaZero 的手机游戏利用
- 十一、在挪动设施上应用 TensorFlow Lite 和 Core ML
- 十二、在 Raspberry Pi 上开发 TensorFlow 利用