《人工智能基礎(chǔ)（原書第2版）》把近年來AI發(fā)展歷程中的重要事件一一進(jìn)行了梳理，不僅回顧了AI的誕生、發(fā)展，還詳細(xì)歸納整理了當(dāng)前AI研究的核心問題—規(guī)劃、推理、機(jī)器學(xué)習(xí)等，又在此基礎(chǔ)上對人工智能未來的發(fā)展方向給出了一定的預(yù)期，包括分布式AI及進(jìn)化計算等方面，很好地回答了所謂“人工智能的基礎(chǔ)究竟是什么”這一問題。本書內(nèi)容直

本書主要介紹了Google云平臺中有關(guān)機(jī)器學(xué)習(xí)的多種工具，以及如何使用它們來進(jìn)行機(jī)器學(xué)習(xí)。這些工具對使用者在機(jī)器學(xué)習(xí)理論方面的要求很低，讀者可以在僅了解一點有關(guān)機(jī)器學(xué)習(xí)基礎(chǔ)知識的前提下使用它們。本書在使用每種機(jī)器學(xué)習(xí)的工具或技術(shù)之前，都會對相應(yīng)的理論進(jìn)行較為詳實的介紹。但也同時考慮了機(jī)器學(xué)習(xí)理論的復(fù)雜性，在對理論知識的

本書系統(tǒng)地介紹了人工智能的基礎(chǔ)知識、核心技術(shù)、近年來的發(fā)展，以及在金融領(lǐng)域的應(yīng)用情況。全書分為上下兩篇，共14章。上篇為人工智能基礎(chǔ)理論，內(nèi)容包括人工智能概述、智能搜索技術(shù)、博弈決策、確定性知識表示及知識推理、不確定性推理、機(jī)器學(xué)習(xí)、計算智能、智能主體技術(shù)；下篇為人工智能的應(yīng)用，內(nèi)容包括面向金融領(lǐng)域的信息抽取、面向金融

本書在“科學(xué)技術(shù)社會學(xué)”框架下，從多學(xué)科交叉的管理綜合角度將物聯(lián)網(wǎng)、物聯(lián)網(wǎng)社會與治理創(chuàng)新研究貫通起來，全面、系統(tǒng)地分析物聯(lián)網(wǎng)、物聯(lián)網(wǎng)社會及其治理邏輯等元問題，從技術(shù)和經(jīng)濟(jì)治理、文化治理、風(fēng)險治理、民眾參與治理等方面創(chuàng)新物聯(lián)網(wǎng)新時代物聯(lián)網(wǎng)社會的治理理論與實踐。

本書從深度神經(jīng)網(wǎng)絡(luò)和AI芯片研究現(xiàn)狀出發(fā)，系統(tǒng)地論述了目前深度學(xué)習(xí)主流開發(fā)平臺和深度神經(jīng)網(wǎng)絡(luò)基于FPGA平臺實現(xiàn)加速的開發(fā)原理和應(yīng)用實例。全書主要包括5部分：第1～2章介紹了深度神經(jīng)網(wǎng)絡(luò)的發(fā)展，并總結(jié)了深度學(xué)習(xí)主流開發(fā)平臺和AI芯片的研究現(xiàn)狀；第3～6章在對深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)層算子、FPGA進(jìn)行了介紹后，總結(jié)了FPGA神

本書以深入淺出的方式，講解何為“人工智能”，如何掌握以深度學(xué)習(xí)為代表的人工智能相關(guān)方法，以及如何進(jìn)行落地應(yīng)用。本書從理論、工具基礎(chǔ)講解開始，層層遞進(jìn)，分別向讀者清晰地展現(xiàn)了卷積神經(jīng)網(wǎng)絡(luò)、生成式對抗網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度強(qiáng)化學(xué)習(xí)的知識脈絡(luò)與方法原理。同時，按照具體應(yīng)用場景，結(jié)合主流深度學(xué)習(xí)框架，給出所講述理論的落地應(yīng)用

AI會取代我們嗎？清晨，智能手環(huán)將你叫醒；上班路上，導(dǎo)航地圖為你規(guī)劃最佳路線；工作中，搜索引擎為你推薦最佳結(jié)果，輸入法為你糾正拼寫錯誤；晚上在家，視頻網(wǎng)站根據(jù)你的喜好推送節(jié)目，購物應(yīng)用會猜測你的需求展示商品。過去的六十年里，人工智能飛速發(fā)展，如今已深入我們的日常生活。曾經(jīng)只在科幻電影中出現(xiàn)的無人駕駛汽車、腦機(jī)接口、類人

本書共11章，主要介紹機(jī)器學(xué)習(xí)的基本概念和兩大類常用的機(jī)器學(xué)習(xí)模型，即監(jiān)督學(xué)習(xí)模型和非監(jiān)督學(xué)習(xí)模型。針對監(jiān)督學(xué)習(xí)模型，本書介紹了線性模型（線性回歸、Logistic回歸）、非線性模型（SVM、生成式分類器、決策樹）、集成學(xué)習(xí)模型和神經(jīng)網(wǎng)絡(luò)模型及其訓(xùn)練；針對非監(jiān)督學(xué)習(xí)模型，本書講解了常用的降維技術(shù)（線性降維技術(shù)與非線性降

人工智能將引領(lǐng)一場比互聯(lián)網(wǎng)影響更為深遠(yuǎn)的科技革命，各領(lǐng)域的企業(yè)都需要盡早地將人工智能納入企業(yè)規(guī)劃路徑中。在人工智能革命的時代，企業(yè)應(yīng)如何應(yīng)對挑戰(zhàn)、如何調(diào)整企業(yè)發(fā)展方向，以及如何重塑企業(yè)運營模式和管理制度，從而在人工智能的浪潮中獲得機(jī)遇。作為個人，我們又應(yīng)如何面對未來人機(jī)協(xié)作的工作模式，如何在未來的工作環(huán)境中尋找適合自己

全書首先概要介紹了傳統(tǒng)語音識別理論和經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)核心算法。接著全面而深入地介紹了深度學(xué)習(xí)在語音識別中的應(yīng)用，包括"深度神經(jīng)網(wǎng)絡(luò)-隱馬爾可夫混合模型”的訓(xùn)練和優(yōu)化，特征表示學(xué)習(xí)、模型融合、自適應(yīng)，以及以循環(huán)神經(jīng)網(wǎng)絡(luò)為代表的若干先進(jìn)深度學(xué)習(xí)技術(shù)。