This book is a comprehensive guide to machine learning with worked examples in MATLAB. It starts with an overview of the history of Artificial Intelligence and automatic control and how the field of machine learning grew from these. It provides descriptions of all major areas in machine learning. The book reviews commercially available packages for machine learning and shows how they fit into the field. The book then shows how MATLAB can be used to solve machine learning problems and how MATLAB graphics can enhance the programmer’s understanding of the results and help users of their software grasp the results. Machine Learning can be very mathematical. The mathematics for each area is introduced in a clear and concise form so that even casual readers can understand the math. Readers from all areas of engineering will see connections to what they know and will learn new technology. The book then provides complete solutions in MATLAB for several important problems in machine learning including face identification, autonomous driving, and data classification. Full source code is provided for all of the examples and applications in the book. What you'll learn An overview of the field of machine learning Commercial and open source packages in MATLAB How to use MATLAB for programming and building machine learning applications MATLAB graphics for machine learning Practical real world examples in MATLAB for major applications of machine learning in big data Who is this book for The primary audiences are engineers and engineering students wanting a comprehensive and practical introduction to machine learning. Table of Contents Part I Introduction to Machine Learning Chapter 1: An Overview of Machine Learning Chapter 2: The History of Autonomous Learning Chapter 3: Software for Machine Learning Part II MATLAB Recipes for Machine Learning Chapter 4: Representation of Data for Machine Learning in MATLAB Chapter 5: MATLAB Graphics: Chapter 6: Machine Learning Examples in

本书是目前最优秀的密码学书籍之一。全书包含15章，内容覆盖了近20 年来密码学发展的所有主要成就。除了通常密码学书籍都会讲到的对称密码、杂凑函数、公钥密码和签名、身份识别和密钥建立协议等内容外，本书首先提供了密码学的概貌，中间有三章专门讲述了公钥密码学的数学基础，最后两章给出了密码实现技巧和专利、标准等细节。这些内容对研究者和工程师们都是十分有用的。全书提供了丰富的密码学技术细节，包括200多个算法和协议、200多幅图表、1000多个定义、事实、实例、注释和评论。书末列举了1200多篇关于密码学的主要文献，并在各章中对其做了简要评述。 　　本书组织完美，表述清晰，适合密码学、计算机、通信、数学等领域的师生、专家和工程师们参考或作为教材使用。 　　本书是目前最优秀的密码学书籍之一。全书提供了丰富的密码学技术细节，十分适合研究人员和工程师们学习。 　　本书的三位作者均是国际著名的密码学家和活跃的密码学研究者。alfred u．menezes于1992年获得加拿大滑铁卢大学博士学位，现任滑铁卢大学教授，在椭圆曲线密码方面有很高的造诣。paul c．van oorschot于1988年获得计算机科学博士学位，现任加拿大carleton大学计算机科学学院教授，也是加拿大网络与软件安全研究主席，在密码学和网络安全方面具有深厚的学术功底。scott丸vanstone干1974年获得博士学位，是加拿大滑铁卢大学教授，曾任杂志designs,codes and cryptography的主编，滑铁卢大学数据加密研究组的主任。他还是著名的certicom信息安全公司的创始人。

本资源包含《设计模式 可复用面向对象软件的基础》英文高清PDF、中文普清PDF以及源代码，来源网络，仅供学习，严谨用于商业目的！

All Of Statistics Larry Wasserman 统计学完全教程 作者：(美国)活塞曼 译者：张波 中英文版都有，带详细书签，高清文字版 《统计学完全教程》除了介绍传统数理统计学的全部内容以外，还包含了Bootstrap方法（自助法）、独立性推断、因果推断、图模型、非参数回归、正交函数光滑法、分类、统计学理论及数据挖掘等统计学领域的新方法和技术。《统计学完全教程》不但注重概率论与数理统计基本理论的阐述，同时还强调数据分析能力的培养。《统计学完全教程》中含有大量的实例以帮助广大读者快速掌握使用R软件进行统计数据分析。 第1章 概率 第2章 随机变量 第3章 数学期望 第4章 不等式 第5章 随机变量的收敛 第6章 模型、统计推断与学习 第7章 CDF和统计泛函的估计 第8章 Bootstrap方法 第9章 参数推断 第10章 假设检验和p值 第11章 贝叶斯推断 第12章 统计决策理论 第13章 线性回归和Logistic回归 第14章 多变量模型 第15章 独立性推断 第16章 因果推断 第17章 有向图与条件独立性 第18章 无向图 第19章 对数线性模型 第20章 非参数曲线估计 第21章 正交函数光滑法 第22章 分类

高清pdf格式，离散数学及其应用第七版答案

Machine Learning With Go 英文无水印pdf pdf所有页面使用FoxitReader和PDF-XChangeViewer测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除

All Of Statistics Larry Wasserman 统计学完全教程 作者：(美国)活塞曼 译者：张波 中英文版都有，带详细书签，高清文字版 《统计学完全教程》除了介绍传统数理统计学的全部内容以外，还包含了Bootstrap方法（自助法）、独立性推断、因果推断、图模型、非参数回归、正交函数光滑法、分类、统计学理论及数据挖掘等统计学领域的新方法和技术。《统计学完全教程》不但注重概率论与数理统计基本理论的阐述，同时还强调数据分析能力的培养。《统计学完全教程》中含有大量的实例以帮助广大读者快速掌握使用R软件进行统计数据分析。 第1章 概率 第2章 随机变量 第3章 数学期望 第4章 不等式 第5章 随机变量的收敛 第6章 模型、统计推断与学习 第7章 CDF和统计泛函的估计 第8章 Bootstrap方法 第9章 参数推断 第10章 假设检验和p值 第11章 贝叶斯推断 第12章 统计决策理论 第13章 线性回归和Logistic回归 第14章 多变量模型 第15章 独立性推断 第16章 因果推断 第17章 有向图与条件独立性 第18章 无向图 第19章 对数线性模型 第20章 非参数曲线估计 第21章 正交函数光滑法 第22章 分类

JAVA核心技术第10版卷1（英文高清原版） 核心技术 JAVA核心技术 JAVA核心 JAVA核心原版 JAVA核心10版

Introduction to lens design ZEMAX 例子 ZEMAX教程 光学设计

Get a comprehensive, in-depth introduction to the core Python language with this hands-on book. Based on author Mark Lutz's popular training course, this updated fifth edition will help you quickly write efficient, high-quality code with Python. It's an ideal way to begin, whether you're new to programming or a professional developer versed in other languages. Complete with quizzes, exercises, and helpful illustrations, this easy-to-follow, self-paced tutorial gets you started with both Python 2.7 and 3.3 - the latest releases in the 3.X and 2.X lines-plus all other releases in common use today. You'll also learn some advanced language features that recently have become more common in Python code.