本書系統(tǒng)地闡述機器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)知識，但并非大學(xué)數(shù)學(xué)教材的翻版，而是以機器學(xué)習(xí)算法為依據(jù)，選取數(shù)學(xué)知識，并從應(yīng)用的角度闡述各種數(shù)學(xué)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(xué)計算，并闡述數(shù)學(xué)知識在機器學(xué)習(xí)算法中的應(yīng)用體現(xiàn)。
本書聚焦信息科學(xué)、生命科學(xué)、新能源、新材料等為代表的高科技領(lǐng)域，以及物理、化學(xué)、數(shù)學(xué)等基礎(chǔ)科學(xué)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(xué)家的學(xué)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
雖然很多深度學(xué)習(xí)工具都使用Python，但PyTorch庫是真正具備Python風(fēng)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(xué)習(xí)，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
本書首先介紹深度學(xué)習(xí)方面的數(shù)學(xué)知識與Python基礎(chǔ)知識，線性模型中的線性回歸模型和logistic模型；然后講述正向傳播算法、反向傳播算法及深度神經(jīng)網(wǎng)絡(luò)的完整訓(xùn)練流程，輸出層的激活函數(shù)和隱藏層的常見激活函數(shù)，深度學(xué)習(xí)的過擬合和欠擬合，應(yīng)對過擬合的方法，以及使用TensorFlow2建立深度神經(jīng)網(wǎng)絡(luò)模型的步驟；接著介紹
本書較為全面地介紹了深度學(xué)習(xí)模型訓(xùn)練、計算機視覺模型應(yīng)用、自然語言處理模型應(yīng)用等技術(shù)。全書共9個實訓(xùn)項目,包括深度學(xué)習(xí)全連接神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用、計算機視覺模型數(shù)據(jù)準(zhǔn)備、計算機視覺模型訓(xùn)練與應(yīng)用、計算機視覺模型部署、自然語言處理預(yù)訓(xùn)練模型數(shù)據(jù)準(zhǔn)備、自然語言處理預(yù)訓(xùn)練模型訓(xùn)練與
本書較為全面地介紹了深度學(xué)習(xí)應(yīng)用場景下的人工智能技術(shù)服務(wù)、深度學(xué)習(xí)數(shù)據(jù)應(yīng)用、深度學(xué)習(xí)基礎(chǔ)應(yīng)用等技術(shù)。全書共10個實訓(xùn)項目,包括人工智能需求分析、人工智能產(chǎn)品設(shè)計、人工智能平臺應(yīng)用、數(shù)據(jù)采集工程應(yīng)用、數(shù)據(jù)處理工程應(yīng)用、數(shù)據(jù)標(biāo)注工程應(yīng)用、機器學(xué)習(xí)模型訓(xùn)練、深度學(xué)習(xí)框架應(yīng)用開發(fā)、深度學(xué)習(xí)框架基礎(chǔ)功能應(yīng)用、深度學(xué)習(xí)線性回歸模型
本書較為全面地介紹了深度學(xué)習(xí)應(yīng)用場景下的數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)標(biāo)注等技術(shù)。全書共12個實訓(xùn)項目,包括數(shù)據(jù)采集概述、網(wǎng)絡(luò)數(shù)據(jù)采集、端側(cè)數(shù)據(jù)采集、數(shù)據(jù)存儲與加載、數(shù)據(jù)處理概述、圖像類數(shù)據(jù)處理、文本類數(shù)據(jù)處理、數(shù)據(jù)標(biāo)注概述、圖像數(shù)據(jù)標(biāo)注、文本數(shù)據(jù)標(biāo)注、深度學(xué)習(xí)圖像分類應(yīng)用實戰(zhàn)、深度學(xué)習(xí)情感分析應(yīng)用實戰(zhàn)等。本書以企業(yè)用人需求
本書是一本面向計算機類以及非計算機類專業(yè)學(xué)生的人工智能通識課程。內(nèi)容選取上注重人工智能的通識性、典型性，旨在培養(yǎng)高職以及應(yīng)用型本科學(xué)生的人工智能素養(yǎng)、計算思維能力。全書分為6大模塊，分別從不用的層面對人工智能進行介紹。 本書在介紹人工智能通識知識的同時還以新形態(tài)二維碼的方式嵌入了與課程內(nèi)容相融合的思政元素，分別從家國
人工智能是一門研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的新的技術(shù)科學(xué)，涉及機器人、語音識別、圖像識別、自然語言處理和專家系統(tǒng)等方面。本書第1章主要講解了人工智能的重要概念、發(fā)展現(xiàn)狀和相關(guān)技術(shù)等，為下文進一步研究人工智能打基礎(chǔ)；第2章對人工智能目前主要用到的Python進行了簡單的介紹，有利于下
作為一門應(yīng)用型學(xué)科，機器學(xué)習(xí)植根于數(shù)學(xué)理論，落地于代碼實現(xiàn)。這就意味著，掌握公式推導(dǎo)和代碼編寫，方能更加深入地理解機器學(xué)習(xí)算法的內(nèi)在邏輯和運行機制。本書在對全部機器學(xué)習(xí)算法進行分類梳理的基礎(chǔ)之上，分別對監(jiān)督學(xué)習(xí)單模型、監(jiān)督學(xué)習(xí)集成模型、無監(jiān)督學(xué)習(xí)模型、概率模型四個大類共26個經(jīng)典算法進行了細(xì)致的公式推導(dǎo)和代碼實現(xiàn)，旨在
本書第1章介紹聯(lián)邦學(xué)習(xí)的發(fā)展背景和歷程，以及金融業(yè)中數(shù)據(jù)共享的機遇和挑戰(zhàn)。第2-5章介紹不同類型的機器學(xué)習(xí)方法在聯(lián)邦學(xué)習(xí)模式下的實現(xiàn)，以及關(guān)鍵算法原理。第6章介紹聯(lián)邦學(xué)習(xí)開源框架FATE的架構(gòu)和部署，以及在金融控股集團內(nèi)大數(shù)據(jù)平臺上建立跨機構(gòu)統(tǒng)一數(shù)據(jù)科學(xué)平臺的實施方案。第7章從建模者的角度展示了典型建模流程的實戰(zhàn)過程。
本書結(jié)合生活中的實例,系統(tǒng)地介紹了不同進制之間的轉(zhuǎn)換、函數(shù)參數(shù)的作用域、枚舉算法、二分查找算法、選擇排序算法、歐幾里得算法等內(nèi)容。通過分析和解決問題,培養(yǎng)青少年的邏輯思維能力。由知識內(nèi)容的學(xué)習(xí)到具體案例的探究,由簡單到復(fù)雜、由直觀到抽象,幫助學(xué)生從編程意識、編程思維、編程學(xué)習(xí)與創(chuàng)新3個層面進行學(xué)習(xí),掌握C++編程語言。
《人工智能與電氣應(yīng)用》系統(tǒng)地闡述了人工智能與電氣應(yīng)用的理論基礎(chǔ)及應(yīng)用實踐。《人工智能與電氣應(yīng)用》共分為五部分，分別為理論篇、基于人工智能的故障診斷技術(shù)、基于人工智能的模式識別和預(yù)測技術(shù)、基于人工智能的控制和優(yōu)化技術(shù)以及展望篇。部分介紹人工智能技術(shù)的理論基礎(chǔ)。第二部分介紹風(fēng)機葉片覆冰故障檢測技術(shù)、電網(wǎng)故障診斷技術(shù)、電力設(shè)
本書從技術(shù)、應(yīng)用和產(chǎn)業(yè)3個維度為切入點，對智能語音語義領(lǐng)域相關(guān)的熱點和趨勢展開研究。本書以“人與機器的對話”開篇，講述人類語音生成、傳播和感知的過程，引發(fā)對于機器智能語音聽說的思考，進而闡述技術(shù)探索發(fā)展史；然后，分析了以語音交互為核心的技術(shù)現(xiàn)狀，綜合剖析提出全雙工、端到端模型構(gòu)建、語音假冒攻擊等熱點；其次，從政策、投融
本書介紹了人工智能領(lǐng)域常用的方法，包括搜索、統(tǒng)計學(xué)習(xí)、深度學(xué)習(xí)和自動機器學(xué)習(xí)等內(nèi)容。各章節(jié)涉及的問題均根據(jù)歷史典故或現(xiàn)實生活引出，并使用通俗易懂的方式提出問題及其解決方法。因此，讀者在閱讀本書時不會感到枯燥無味，也不需要具備人工智能相關(guān)的知識背景。書中包含很多代碼示例，每個示例均有詳細(xì)的解釋，有助于讀者進一步理解相應(yīng)的
通常來說，人工智能（ArtificialIntelligence，AI）是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能的研究領(lǐng)域包括機器人、語音識別、圖像識別、自然語言處理和專家系統(tǒng)等。 機器學(xué)習(xí)就是用算法解析數(shù)據(jù)，不斷學(xué)習(xí)，對世界中發(fā)生的事做出判斷和預(yù)測的一項技術(shù)。生
人工智能無疑是近幾年最火的名詞之一。然而，究竟什么是人工智能？為什么說人工智能的**目標(biāo)是創(chuàng)造“生命”？目前人工智能的硅基生命之路遇到了哪些坎坷？人工智能的未來如何？不可否認(rèn)的是，許多人了解人工智能是通過科幻電影。那么科幻電影對人工智能起到了怎樣的普及和推動作用？本書將圍繞這些問題，從獨特的視角，為讀者解讀人工智能的秘
數(shù)據(jù)孤島問題已經(jīng)成為制約人工智能發(fā)展的主要阻礙。在此背景下,聯(lián)邦學(xué)習(xí)(FederatedLearning)作為一種新興的機器學(xué)習(xí)技術(shù)范式,憑借其突出的隱私保護能力,展示出在諸多業(yè)務(wù)場景中的應(yīng)用價值。本書從聯(lián)邦學(xué)習(xí)的基礎(chǔ)知識出發(fā),深入淺出地介紹了中央服務(wù)器優(yōu)化和聯(lián)邦機器學(xué)習(xí)的算法體系,詳細(xì)闡述了聯(lián)邦學(xué)習(xí)中涉及的加密通信模
本書是深度學(xué)習(xí)領(lǐng)域的入門教材，闡述了深度學(xué)習(xí)的知識體系，涵蓋人工智能的基礎(chǔ)知識以及深度學(xué)習(xí)的基本原理、模型、方法和實踐案例，使讀者掌握深度學(xué)習(xí)的相關(guān)知識，提高以深度學(xué)習(xí)方法解決實際問題的能力。全書內(nèi)容包括人工智能基礎(chǔ)、機器學(xué)習(xí)基礎(chǔ)、深度學(xué)習(xí)主要框架、深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、自編碼器與生成對抗網(wǎng)絡(luò)。 本
本書是人工智能和機器學(xué)習(xí)領(lǐng)域?qū)I(yè)多年實踐的結(jié)晶，深入淺出講解機器學(xué)習(xí)應(yīng)用和工程實踐，是對機器學(xué)習(xí)工程實踐和設(shè)計模式的系統(tǒng)回顧。全書分別從項目前的準(zhǔn)備，數(shù)據(jù)收集和準(zhǔn)備，特征工程，監(jiān)督模型訓(xùn)練，模型評估，模型服務(wù)、監(jiān)測和維護等方面講解，由淺入深剖析機器學(xué)習(xí)實踐過程中遇到的問題，幫助讀者快速掌握機器學(xué)習(xí)工程實踐和設(shè)計模式的基
書單推薦
