面对数字经济背景下大数据分析的现实需求，本书分别从经济理论阐述、数学原理推导、程序代码实现三个角度，系统全面地阐释了各类经典机器学习模型的理论内涵和适用范围，以及基于Python编程语言进行算法训练、模型测试和参数调优的具体方法。本书配有A、B两个附录，介绍了Python语言基本语法规则，以及经济大数据分析所涉及的Py

XGBoost是一种经过行业验证的开源软件库，为快速高效地处理数十亿数据点提供了梯度提升框架。首先，本书在介绍机器学习和XGBoost在scikit-learn中的应用后，逐步深入梯度提升背后的理论知识。读者将学习决策树，并分析在机器学习环境中的装袋技术，同时学习拓展到XGBoost的超参数；并将从零开始构建梯度提升模

本书通过对大众电子足迹大数据的挖掘与分析，从公共事件、智能交通和行为经济学三个维度探究复杂社会系统所隐藏的内生动力，并通过提出基本假设、建立理论模型探索这些规律的产生机制和可能的动力学影响。本书共6章：第1章系统梳理了“人类行为动力学”在社会科学的认知及其使用情况，比较了“内生动力”与“外在推力”等知识体系对人类行为的

本书详细介绍了强化学习的理论推导、算法细节。全书共12章，包括强化学习概述、马尔可夫决策过程、退化的强化学习问题、环境已知的强化学习问题、基于价值的强化学习算法、基于策略的强化学习算法、AC型算法、基于模型的强化学习算法等相关知识。本书系统性强、概念清晰，内容简明通俗。除了侧重于理论推导，本书还提供了许多便于读者理解的

主要内容●数据字典和数据治理●数据质量管控、合规和分发●构建自动化管道以提高可靠性●数据摄取、存储和分发●支持生产环境中的数据建模、分析和机器学习

本书介绍了深度学习的基本理论、工程实践及其在产业界的部署和应用。在深度学习框架的介绍中，书中结合代码详细讲解了经典的卷积神经网络、循环神经网络和基于自注意力机制的Transformer网络及其变体。还介绍了这些模型在图像分类、目标检测、语义分割、欺诈检测和语音识别等领域的应用。此外，书中还涵盖了深度强化学习和生成对抗网

主要内容●用进化计算解决复杂的设计和分析问题●调整深度学习超参数●将Q-Learning应用于深度学习，从而进行深度强化学习●优化无监督自编码器的损失函数和网络架构●创建一个能够参与OpenAIGym游戏的进化智能体

《ChatGLM3大模型本地化部署、应用开发与微调》作为《PyTorch2.0深度学习从零开始学》的姊妹篇，专注于大模型的本地化部署、应用开发以及微调等。《ChatGLM3大模型本地化部署、应用开发与微调》不仅系统地阐述了深度学习大模型的核心理论，更注重实践应用，通过丰富的案例和场景，引导读者从理论走向实践，真正领悟和

图神经网络不仅能够解决传统机器学习方法无法解决的图数据问题，而且能够应用于许多实际场景，例如社交网络、药物发现、网络安全、金融风控等。《图神经网络基础、模型与应用实战》旨在为初学者和实践者提供一个详细、全面的入门指南，围绕图神经网络基础、模型、应用实战（均采用Python+PyTorch实现）等方面进行介绍。《图神经网

这本书将把人工智能、大数据、云、机器人和智能设备作为背景。揭示了人工智能如何帮助企业实现商业价值指数级增长。本书涵盖了我们为什么需要人工智能，如何开始，以及成功实施所需的框架和重要元素的全部内容。作者展示了其AI可视化版图，概述了计划和衡量一个成功的战略(包括潜在的权衡)所需的构建模块，涉及了人工智能、机器学习或预测分