零基礎讀者應如何快速入門機器學習？數(shù)學基礎薄弱的讀者應如何理解機器學習中的數(shù)學原理？這些正是本書要解決的問題。本書從數(shù)學基礎知識入手，通過前3章的介紹，幫助讀者輕松復習機器學習涉及的數(shù)學知識；然后，通過第4-第13章的介紹，逐步講解機器學習常見算法的相關知識，幫助讀者快速入門機器學習；最后，通過第14章的綜合實踐，幫助
《人工智能導論》為大連理工大學“新工科”系列精品教材。本書內容包括緒論、知識表示、確定性推理、不確定性推理、搜索求解策略、遺傳算法及其應用、群智能算法及其應用、人工神經網絡及其應用、機器學習、專家系統(tǒng)、自然語言理解及其應用等。本書可供電子信息類專業(yè)本、�？茖W生作為教材使用，也可供從事人工智能領域的技術人員參考。
人工智能的迅猛發(fā)展，對整個人類、社會和時代的進步起到了不可估量的作用。然而，人工智能的未來奇點在哪兒？人工智能是否具有人類意識？人工智能會導致人類大規(guī)模失業(yè)嗎？會替代人類嗎？本書以通俗易懂的語言，圖文并茂的方式不僅描繪了人工智能發(fā)展的歷史、現(xiàn)狀與未來，而且探討了人工智能發(fā)展可能對經濟、政治、軍事、法律等方面的影響，其中
本書既可以作為相關專業(yè)本科生和研究生的學習用書，也可以作為廣大科研人員、學者、工程技術人員的參考用書。
本書從傳統(tǒng)的機器學習，如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機、集成學習，到前沿的深度學習和神經網絡，如DNN、CNN、BERT、ResNet等，對人工智能技術進行零基礎講解，內容涵蓋數(shù)學原理、公式推導、圖表展示、企業(yè)應用案例。本書面向初中級讀者，能幫助讀者迅速掌握機器學習技術的相關概念及原理。本書內容結合作者多年
本書是一本介紹深度學習理論和實戰(zhàn)應用的教程，先從數(shù)學基礎和機器學習基礎出發(fā)，按照神經網絡的技術發(fā)展框架由易到難逐步講解深度學習的理論，然后再通過實踐部分，詳細解釋深度學習的應用案例，讓讀者既能了解深度學習理論，又能學會使用深度學習框架，實現(xiàn)自己的深度學習模型。主要內容包括深度學習的發(fā)展歷史、單層感知器、線性神經網絡、B
本書全面講解PaddlePaddleFluid框架在深度學習領域的應用。全書共15章，分別是PaddlePaddle深度學習開發(fā)環(huán)境的搭建、PaddlePaddle快速入門、線性回歸算法實戰(zhàn)、卷積神經網絡實戰(zhàn)、循環(huán)神經網絡實戰(zhàn)、生成對抗網絡實戰(zhàn)、強化學習實戰(zhàn)、模型的保存與使用、遷移學習實戰(zhàn)可視化工具VisualDL的使
本書的主要特色在于知識建模和智能推理技術方面的創(chuàng)新，并基于知識圖譜建模和智能推理技術的集成完成了一系列應用軟件的開發(fā)，直觀形象、易學易用。本書是AI3軟件的詳盡解讀，分為AI3普及版（自由拷貝，不限使用）、AI3智能教學版以及AI3專業(yè)版（適用于復雜過程工業(yè)系統(tǒng)AI應用）。
本書系統(tǒng)闡述遷移學習的解決方法和典型應用。首先，論述了遷移學習的基本概念、方法分類及發(fā)展歷程，介紹了遷移學習的相關基礎知識。然后，探討了遷移學習的基本方法，包括基于樣本、基于特征、基于模型和基于關系的遷移學習方法，闡述了深度遷移學習的經典方法，包括神經網絡自適應遷移方法和神經網絡對抗遷移方法，介紹了更加實用的部分域適應
機器學習算法評估力求用科學的指標，對機器學習算法進行完整、可靠的評價。本書詳細介紹機器學習算法評估的理論、方法和實踐。全書分為3個部分。第1部分包含第1章～第3章，針對分類算法、回歸算法和聚類算法分別介紹對應的基礎理論和評估方法；第2部分包含第4章～第8章，介紹更復雜的模型（如深度學習模型和集成樹模型）的對比與評估，并
本書以漫畫形式講解機器學習的基本概念和關鍵知識點，盡可能通俗易懂地講解回歸、分類、結果評價、深度學習、集成學習、無監(jiān)督學習等的原理。本書內容基于大學一年級的數(shù)學知識，著眼于主人公們學習和工作中遇到的問題，探究機器學習解決方案。
本書旨在幫助老年朋友快捷、充分地使用智能手機，幫助老年人實現(xiàn)老有所樂、老有所為的美好愿望。本書以手機使用較為廣泛的支付寶、微信等應用為例，從真實的操作環(huán)境出發(fā)，以圖文并茂的方式講解手機軟件安裝、注冊、登錄及手機多功能應用的操作方法，并針對老年人的行為習慣及智能手機使用特點進行優(yōu)化解讀，在功能較復雜之處還配有相對應的提示
遷移學習作為機器學習和人工智能領域的重要方法，在計算機視覺、自然語言處理、語音識別等領域都得到了廣泛的應用。本書的編寫目的是幫助遷移學習及機器學習相關領域的初學者快速入門。全書主要分為背景與概念、方法與技術、擴展與探索及應用與展望四大部分。除此之外，本書還配有相關的代碼、數(shù)據和論文資料，最大限度地降低初學者的學習和使用
本書介紹了元學習方法的發(fā)展歷史、起源、思想、近來流行的元學習方法，以及這些方法的組織思路、改進方案、相互繼承、如何應用。本書共11章，分為兩部分：元學習方法思想的介紹和元學習應用場景中模型的介紹。這些內容介紹了如何在元學習框架下融入強化學習、模仿學習、在線學習、無監(jiān)督學習、遷移學習等，實現(xiàn)對實際應用中深度模型的改進，以
對從事人工智能算法研究與算法開發(fā)的人來說，模型的學習與使用必不可少。尤其是在目前如日中天的人工智能領域里，人人談模型，模型也是層出不窮，讓人眼花繚亂。本書將人工智能在現(xiàn)實生活場景中解決的問題分類，并根據這個分類來介紹各種人工智能模型。書中將人工智能問題分為權重問題、狀態(tài)問題、序列問題、表示問題、相似問題和分類問題六大類
生成對抗神經網絡（GenerativeAdversarialNets，GAN）作為一種深度學習框架，發(fā)展十分迅猛。通過相互對抗的神經網絡模型，GAN能夠生成結構復雜且十分逼真的高維度數(shù)據。因此，被廣泛應用于學術研究和工程領域，包括圖像處理，如圖像生成、圖像轉換、視頻合成；序列數(shù)據生成，如語音生成、音樂生成等；以及其他眾
本書主要講述人工智能的基礎知識與基礎理論，并通過大量的人工智能應用幫助讀者快速了解人工智能相關技術。本書共10章，分別為人工智能概述、人工智能基礎知識、機器學習、深度學習、計算機視覺、自然語言處理、知識圖譜、人工智能技術應用場景、智能機器人和人工智能的挑戰(zhàn)與未來。本書內容豐富，講解細致，注重技術發(fā)展變化。 本書既可作為
本書主要根據作者近年來的研究成果，對網絡嵌入表示學習技術進行梳理和總結，全書深入淺出地介紹了表示學習的基礎理論，及其在網絡對齊、地點推薦、電子健康記錄挖掘等應用方面的前沿技術。具體包括：單/多關系網絡表示理論與技術、基于單關系網絡表示的社交網絡對齊、基于多關系網絡表示學習的知識圖譜對齊、基于網絡表示的電子健康記錄挖掘、
本書以TensorFlow為平臺，從神經網絡到深度學習由淺入深進行介紹，書中每章都以理論引出，以TensorFlow應用鞏固結束，做到理論與實踐相結合，使讀者快速了解神經網絡、深度學習等內容，同時領略利用TensorFlow解決這些問題的簡單和快捷。本書共12章，主要內容包括TensorFlow軟件介紹、計算機視覺與深
數(shù)據孤島和隱私保護已經成為制約人工智能發(fā)展的關鍵因素。聯(lián)邦學習作為一種新型的隱私保護計算方案，在數(shù)據不出本地的前提下，能有效聯(lián)合各參與方聯(lián)合建模，從而實現(xiàn)“共同富�！�，成為當下人工智能領域備受關注的熱點。本書以實戰(zhàn)為主（包括對應用案例的深入講解和代碼分析），兼顧對理論知識的系統(tǒng)總結。全書由五部分共19章構成。第一部分簡
書單推薦 新書推薦
