本書結(jié)合了最新的深度學習技術(shù)應(yīng)用成果，充分考慮了大學生的知識結(jié)構(gòu)和學習特點，結(jié)合各個專業(yè)特點介紹了深度學習的基本概念及TensorFlow框架，以及深度學習在各個領(lǐng)域的具體應(yīng)用。本書為高職高專院校深度學習基礎(chǔ)課程教材重點介紹了神經(jīng)網(wǎng)絡(luò)與深度學習、TensorFlow環(huán)境使用、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遷移學習等內(nèi)容。
本書系統(tǒng)地闡述機器學習的數(shù)學基礎(chǔ)知識，但并非大學數(shù)學教材的翻版，而是以機器學習算法為依據(jù)，選取數(shù)學知識，并從應(yīng)用的角度闡述各種數(shù)學定義、定理等，側(cè)重于講清楚它們的應(yīng)用和實現(xiàn)方法。所以，書中將使用開發(fā)者喜歡的編程語言（Python）來實現(xiàn)各種數(shù)學計算，并闡述數(shù)學知識在機器學習算法中的應(yīng)用體現(xiàn)。
本書聚焦信息科學、生命科學、新能源、新材料等為代表的高科技領(lǐng)域，以及物理、化學、數(shù)學等基礎(chǔ)科學的進展與新興技術(shù)的交叉融合，其中70%的內(nèi)容來源于IEEE計算機協(xié)會相關(guān)刊物內(nèi)容的全文翻譯，另外30%的內(nèi)容由SteerTech和iCANXTalks上的國際知名科學家的學術(shù)報告、報道以及相關(guān)活動內(nèi)容組成。本書將以創(chuàng)新的方式宣
《人工智能——何時機器能掌控一切》共12章，從歷史、社會、哲學和人文等多學科角度審視人工智能技術(shù)的過去、現(xiàn)在和未來；既涵蓋了邏輯運算等經(jīng)典的人工智能算法，又引入了量子計算等前沿的人工智能技術(shù)；既強調(diào)了人工智能對人類生活和社會各個方面的正面促進作用，又指出了其高能耗等缺點。通過閱讀《人工智能——何時機器能掌控一切》，零基
雖然很多深度學習工具都使用Python，但PyTorch庫是真正具備Python風格的。對于任何了解NumPy和scikit-learn等工具的人來說，上手PyTorch輕而易舉。PyTorch在不犧牲高級特性的情況下簡化了深度學習，它非常適合構(gòu)建快速模型，并且可以平穩(wěn)地從個人應(yīng)用擴展到企業(yè)級應(yīng)用。由于像蘋果、Face
本書是有關(guān)智能信息處理與量子智能計算方法及其應(yīng)用的著作，系統(tǒng)介紹了智能信息處理與量子智能計算方面的基礎(chǔ)理論及各種新技術(shù)、新方法，并從4G及5G移動通信、認知無線電、語音信號處理等角度進行了實例剖析。全書分為兩篇共12章。第一篇“智能信息處理及其應(yīng)用”側(cè)重介紹智能信息處理領(lǐng)域的基本原理與關(guān)鍵技術(shù)；第二篇“量子智能信息處理
本書系統(tǒng)地介紹了人工智能的基本原理、方法和應(yīng)用技術(shù)，比較全面地反映了人工智能領(lǐng)域當前的研究進展和發(fā)展方向。全書共8章，具體內(nèi)容包括人工智能的基本概念和發(fā)展概況、腦與認知、機器感知、知識表示與推理、計算智能、模式識別與機器學習、人工智能系統(tǒng)的硬件基礎(chǔ)、人工智能系統(tǒng)的應(yīng)用。為了便于讀者理解，在介紹關(guān)鍵技術(shù)的同時，列舉了一些
《圖解人工智能大全》由日本著名人工智能（AI）研究機構(gòu)首席研究員和高級研究員撰寫。作為AI的入門讀物，本書旨在以簡單易懂的語言向?qū)I(yè)人士和普通讀者介紹AI的基礎(chǔ)、前沿的商務(wù)案例，以及AI系統(tǒng)構(gòu)筑的注意事項等相關(guān)知識�？紤]到有些讀者可能不具備相關(guān)的專業(yè)知識，本書使用了大量圖片，以幫助讀者理解文字內(nèi)容�！秷D解人工智能大全》
這是一套幫助培養(yǎng)孩子計算思維的系列練習冊，包括《大問題小問題》《找找規(guī)律吧》《流程圖來幫忙》《生活中的算法》共4冊，圍繞計算思維的四大組成要素（問題分解、模式識別、抽象和算法建設(shè)）展開。每一冊的內(nèi)容有意識地側(cè)重單個要素能力的培養(yǎng)，內(nèi)容難度循序漸進。每冊通過綜合性的問題，讓孩子將四個要素融會貫通、反復練習，應(yīng)用于解決實際
《集成學習入門與實戰(zhàn)：原理、算法與應(yīng)用》通過6章內(nèi)容全面地解讀了集成學習的基礎(chǔ)知識、集成學習技術(shù)、集成學習庫和實踐應(yīng)用。其中集成學習技術(shù)包括采樣、Bagging、投票集成、Boosting、AdaBoost、梯度提升、XGBoost、Stacking、隨機森林、決策樹等，從混合訓練數(shù)據(jù)到混合模型，再到混合組合，邏輯嚴謹
書單推薦
