本書比較全面、系統(tǒng)地介紹了深度強化學習的理論和算法，并配有大量的案例和編程實現(xiàn)。全書核心內(nèi)容可以分為3部分，第一部分為經(jīng)典強化學習，包括第2、3、4章，主要內(nèi)容有動態(tài)規(guī)劃法，蒙特卡洛法、時序差分法；第二部分為深度強化學習，包括第6、7、8章，主要內(nèi)容有值函數(shù)近似法、策略梯度法、策略梯度法進階；第三部分重點介紹了深度強化
本書是入門階段的人工智能技術讀物，使讀者獲得人工智能的入門知識和基本的人工智能思維模式與動手能力，主要內(nèi)容包括人類智能與人工智能的關系、人工智能的定義、人工智能六大實現(xiàn)途徑、智能系統(tǒng)的動手實踐等，為學校開展人工智能入門教學或者讀者自學人工智能技術提供參考和指南。
本書以通俗易懂的方式從各個層面介紹了AIGC的基礎知識，并輔以大量案例引領讀者了解AIGC的應用實踐，讓讀者可以更快速地利用AIGC改善工作和生活。第1章從AI發(fā)展歷史到資本市場近況闡述了AIGC產(chǎn)業(yè)的概況，第2章介紹了AIGC相關技術，第3章介紹了文本類AIGC技術的發(fā)展及其在傳媒、教育、辦公等場景中的應用，第4章介
《機器學習中的標記增強理論與應用研究》由東南大學計算機科學與工程學院助理研究員徐寧撰寫。全書聚焦標記端多義性這一當今機器學習領域的熱點問題，針對學習過程中不可避免的信息損失這一突出問題，提出了標記增強的概念，以期在不增加額外數(shù)據(jù)標注負擔的前提下，挖掘訓練樣本中蘊含的標記重要性差異信息，將邏輯標記轉(zhuǎn)化為標記分布�！稒C器學
深度學習框架中蘊藏著驚人的技術和有趣的機制，本書旨在揭開這些技術和機制的神秘面紗，幫助讀者正確理解技術，體會它們的有趣之處。為此，本書會帶領讀者從零開始創(chuàng)建一個深度學習框架DeZero。DeZero是本書原創(chuàng)的框架，它用最少的代碼實現(xiàn)了現(xiàn)代深度學習框架的功能。本書分60個步驟來完成這個框架，在此過程中，讀者會加深對Py
至少從20世紀50年代起，人們就開始大肆宣傳可能很快就會創(chuàng)造出一種能夠與人類智能的全部范圍和水平相匹配的機器。現(xiàn)在，我們已經(jīng)成功地創(chuàng)造出了能夠解決特定問題的機器，其準確度達到甚至超過了人類，但我們?nèi)匀粺o法獲得通用智能。這本書想和大家探討一下還需要做什么樣的努力才能不僅獲得專用智能，還能獲得通用智能。如果讀者對智能感興趣
本書全面介紹人工智能的基本理論、技術及應用。全書共10章，主要內(nèi)容包括人工智能概論、知識表示與知識圖譜、確定性與不確定性推理、搜索策略、遺傳算法、群智能算法、人工神經(jīng)網(wǎng)絡、機器學習與深度學習、專家系統(tǒng)、自然語言理解，附錄部分給出了實用性強的12個實驗。本書強調(diào)人工智能知識的基礎性、整體性、綜合性和廣博性，使學生掌握人工
強化學習是機器學習的重要組成部分。本書采用理論與實踐相結合的寫法，從強化學習的基本概念開始，詳細介紹了強化學習的算法理論和實踐操作，配有Python代碼實現(xiàn)，完整呈現(xiàn)強化學習算法的實踐細節(jié)。通過這本書你將會：（1）理解強化學習最關鍵方面的問題。（2）探索馬爾可夫決策過程及動態(tài)規(guī)劃的過程。（3）深入理解強化學習的各種方法
本書將帶領讀者一起主動擁抱機器學習，快樂翻越高等數(shù)學、算法分析、工程實踐這三座大山。面對三類讀者（會用即可、想深入學習、想成為專家）的學習動機和閱讀需求，全書一共用19章來講解機器學習的各種模型，包括機器學習中基礎和關鍵的線性回歸、邏輯回歸、決策樹、貝葉斯、支持向量機、KNN等。全書具有語言表達輕快、模型講解細致、圖表
使用機器學習技術解決實際應用問題涉及模型的建立、訓練及評估等步驟。優(yōu)化算法常被用于訓練模型的參數(shù)，是機器學習的重要組成部分。機器學習模型的訓練可以建模成無約束優(yōu)化問題或帶約束優(yōu)化問題，約束可以為模型增加更多的先驗知識�；谔荻鹊乃惴ǎɡ缂铀偬荻确�、隨機梯度法等）是求解無約束優(yōu)化問題的常用方法，而交替方向乘子法（ADM
書單推薦 新書推薦
