當前AI圖書市場，理論知識與實踐經(jīng)驗的脫節(jié)，是很多書籍的缺點。本書立足于理論，從實例入手，將理論知識和實際應用結(jié)合，目標是讓讀者能夠快速地熟悉人工智能中經(jīng)典算法。全書分為4篇，共20章。其中第1篇為基礎算法篇，主要講述排序、查找、線性結(jié)構(gòu)、樹、隊列、散列、圖、堆棧等基本數(shù)據(jù)結(jié)構(gòu)算法；第2篇為機器學習算法篇，主要講述分類
青少年人工智能編程水平測試涵蓋從數(shù)學邏輯到計算思維、從拖曳程序模塊到程序編寫、從數(shù)學建模到算法設計等多學科知識，能夠?qū)W生的多學科知識綜合運用能力做出評價；能夠通過設計的具體解決方案，對學生的計算思維、創(chuàng)造性思維等能力做出評價；在具體的解決方案中，能夠通過設計算法模型和實現(xiàn)算法，對學 生掌握和運用編程的能力做出評價。
強化學習作為機器學習及人工智能領域的一種重要方法，在游戲、自動駕駛、機器人路線規(guī)劃等領域得到了廣泛的應用。 本書結(jié)合了李宏毅老師的“深度強化學習”、周博磊老師的“強化學習綱要”、李科澆老師的“世界冠軍帶你從零實踐強化學習”公開課的精華內(nèi)容，在理論嚴謹?shù)幕A上深入淺出地介紹馬爾可夫決策過程、蒙特卡洛方法、時序差分方法、
本書從強化學習的基礎知識出發(fā)，結(jié)合PyTorch深度學習框架，介紹深度強化學習算法各種模型的相關(guān)算法原理和基于PyTorch的代碼實現(xiàn)。作為一本介紹深度強化學習知識的相關(guān)圖書，本書介紹了常用的強化學習環(huán)境，基于價值網(wǎng)絡的強化學習算法和基于策略梯度的強化學習算法，以及一些常用的比較流行的深度強化學習算法（如蒙特卡洛樹搜索
本書結(jié)合了最新的深度學習技術(shù)應用成果，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域的具體應用。本書為高職高專院校深度學習基礎課程教材重點介紹了神經(jīng)網(wǎng)絡與深度學習、TensorFlow環(huán)境使用、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、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域，以及物理、化學、數(shù)學等基礎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
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)地從個人應用擴展到企業(yè)級應用。由于像蘋果、Face
本書首先介紹深度學習方面的數(shù)學知識與Python基礎知識，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)絡的完整訓練流程，輸出層的激活函數(shù)和隱藏層的常見激活函數(shù)，深度學習的過擬合和欠擬合，應對過擬合的方法，以及使用TensorFlow2建立深度神經(jīng)網(wǎng)絡模型的步驟；接著介紹
本書較為全面地介紹了深度學習模型訓練、計算機視覺模型應用、自然語言處理模型應用等技術(shù)。全書共9個實訓項目,包括深度學習全連接神經(jīng)網(wǎng)絡應用、深度學習卷積神經(jīng)網(wǎng)絡應用、深度學習循環(huán)神經(jīng)網(wǎng)絡應用、計算機視覺模型數(shù)據(jù)準備、計算機視覺模型訓練與應用、計算機視覺模型部署、自然語言處理預訓練模型數(shù)據(jù)準備、自然語言處理預訓練模型訓練與
本書較為全面地介紹了深度學習應用場景下的人工智能技術(shù)服務、深度學習數(shù)據(jù)應用、深度學習基礎應用等技術(shù)。全書共10個實訓項目,包括人工智能需求分析、人工智能產(chǎn)品設計、人工智能平臺應用、數(shù)據(jù)采集工程應用、數(shù)據(jù)處理工程應用、數(shù)據(jù)標注工程應用、機器學習模型訓練、深度學習框架應用開發(fā)、深度學習框架基礎功能應用、深度學習線性回歸模型
本書較為全面地介紹了深度學習應用場景下的數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)標注等技術(shù)。全書共12個實訓項目,包括數(shù)據(jù)采集概述、網(wǎng)絡數(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)標注概述、圖像數(shù)據(jù)標注、文本數(shù)據(jù)標注、深度學習圖像分類應用實戰(zhàn)、深度學習情感分析應用實戰(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)高職以及應用型本科學生的人工智能素養(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)及應用系統(tǒng)的新的技術(shù)科學，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；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
作為一門應用型學科，機器學習植根于數(shù)學理論，落地于代碼實現(xiàn)。這就意味著，掌握公式推導和代碼編寫，方能更加深入地理解機器學習算法的內(nèi)在邏輯和運行機制。本書在對全部機器學習算法進行分類梳理的基礎之上，分別對監(jiān)督學習單模型、監(jiān)督學習集成模型、無監(jiān)督學習模型、概率模型四個大類共26個經(jīng)典算法進行了細致的公式推導和代碼實現(xiàn)，旨在
本書第1章介紹聯(lián)邦學習的發(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習方法在聯(lián)邦學習模式下的實現(xiàn)，以及關(guān)鍵算法原理。第6章介紹聯(lián)邦學習開源框架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)容的學習到具體案例的探究,由簡單到復雜、由直觀到抽象,幫助學生從編程意識、編程思維、編程學習與創(chuàng)新3個層面進行學習,掌握C++編程語言。
《人工智能與電氣應用》系統(tǒng)地闡述了人工智能與電氣應用的理論基礎及應用實踐�！度斯ぶ悄芘c電氣應用》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。第二部分介紹風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
本書從技術(shù)、應用和產(chǎn)業(yè)3個維度為切入點，對智能語音語義領域相關(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域常用的方法，包括搜索、統(tǒng)計學習、深度學習和自動機器學習等內(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，每個示例均有詳細的解釋，有助于讀者進一步理解相應的
書單推薦 新書推薦
