本書用淺顯易懂的語言，圖文并貌地講解了深度學(xué)習(xí)的基礎(chǔ)知識(shí)，從如何挑選硬件到神經(jīng)網(wǎng)絡(luò)的初步搭建，再到實(shí)現(xiàn)圖片識(shí)別、文本翻譯、強(qiáng)化學(xué)習(xí)、生成對(duì)抗網(wǎng)絡(luò)等多個(gè)目前*流行的深度學(xué)習(xí)應(yīng)用。書中基于目前流行的PyTorch框架，運(yùn)用Python語言實(shí)現(xiàn)了各種深度學(xué)習(xí)的應(yīng)用程序，讓理論和實(shí)踐緊密結(jié)合。
隨著計(jì)算科學(xué)的快速發(fā)展，人工智能已為我們大家熟知。2017年國務(wù)院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》，明確了人工智能的國家戰(zhàn)略地位，關(guān)于人工智能的科普、技術(shù)普及讀物也已出現(xiàn)，但符合少年兒童認(rèn)知的人工智能科普讀物卻一直是個(gè)空白。本書是面向少年兒童的人工智能科普讀物，用輕松有趣的筆觸和明確簡潔的形式介紹人工智能的歷史、現(xiàn)狀
本書主要講述了深度學(xué)習(xí)中的重要概念和技術(shù)，并展示了如何使用TensorFlow實(shí)現(xiàn)高級(jí)機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)。本書首先介紹了數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)中的基本概念，然后講述如何使用TensorFlow訓(xùn)練深度學(xué)習(xí)模型，以及如何通過訓(xùn)練深度前饋神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)字進(jìn)行分類，如何通過深度學(xué)習(xí)架構(gòu)解決計(jì)算機(jī)視覺、語言處理、語義分析等方面的
粒計(jì)算是人工智能的重要分支領(lǐng)域。它以一種粒化的思想和方法來分析與處理問題，這為探究人工智能中普遍存在的不確定性問題提供了新方法。本書介紹粒計(jì)算中不確定性分析的最新研究進(jìn)展。全書共12章，內(nèi)容涉及經(jīng)典粗糙集、模糊粗糙集、鄰域粗糙集、三支決策、決策規(guī)則、鄰域系統(tǒng)、深度學(xué)習(xí)等。每章都深入分析模型及其在應(yīng)用中存在的不確定性問題
本書是2012~2013年筆者在劍橋大學(xué)訪學(xué)時(shí)的所看所感所思所悟，結(jié)合科學(xué)哲學(xué)、藝術(shù)等方面的觀察思考，針對(duì)起源于劍橋大學(xué)的人機(jī)交互技術(shù)、智能科學(xué)歷史淵源進(jìn)行了深入細(xì)致的梳理和分析，并結(jié)合自己正在進(jìn)行中的人機(jī)融合智能研究展開本質(zhì)性探討和思考，比如在自主系統(tǒng)、機(jī)器學(xué)習(xí)、深度態(tài)勢(shì)感知、人機(jī)環(huán)境系統(tǒng)、智能哲學(xué)、軍事智能、智能傳
本書以“平民”的起點(diǎn)，從“零”開始，基于PyTorch框架，介紹深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的技術(shù)與技巧，逐層鋪墊，營造良好的帶入感和親近感，把學(xué)習(xí)曲線拉平，使得沒有學(xué)過微積分等高級(jí)理論的程序員一樣能夠讀得懂、學(xué)得會(huì)。同時(shí)，本書配合漫畫插圖來調(diào)節(jié)閱讀氣氛，并對(duì)每個(gè)原理都進(jìn)行了對(duì)比講解和實(shí)例說明。本書適合對(duì)深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)感興趣
本書作者都是微軟人工智能及研究院的研究人員和應(yīng)用科學(xué)家，具有深厚的機(jī)器學(xué)習(xí)背景，在一線針對(duì)產(chǎn)品需求和支持的場(chǎng)景進(jìn)行了大量的深度學(xué)習(xí)模型及算法的研究和開發(fā)，在模型設(shè)計(jì)、訓(xùn)練、評(píng)估、部署、推理優(yōu)化等模型開發(fā)全生命周期積累了豐富的經(jīng)驗(yàn)。本書面向的讀者是希望學(xué)習(xí)和運(yùn)用深度學(xué)習(xí)模型到具體應(yīng)用場(chǎng)景的企業(yè)工程師、科研院所的學(xué)生和科研
機(jī)器學(xué)習(xí)已經(jīng)廣泛地應(yīng)用于各行各業(yè)，深度學(xué)習(xí)的興起再次推動(dòng)了人工智能的熱潮。本書結(jié)合項(xiàng)目實(shí)踐，首先討論了TensorFlow、PySpark、TI-ONE等主流機(jī)器學(xué)習(xí)平臺(tái)的主要特點(diǎn)；然后結(jié)合Tableau介紹了數(shù)據(jù)可視化在銀行客戶用卡行為分析的應(yīng)用。在此基礎(chǔ)上，利用上述介紹的這些平臺(tái)，通過多個(gè)項(xiàng)目案例，詳細(xì)地分析
數(shù)學(xué)是機(jī)器學(xué)習(xí)繞不開的基礎(chǔ)知識(shí)，傳統(tǒng)教材的風(fēng)格偏重理論定義和運(yùn)算技巧，想以此高效地打下機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)，針對(duì)性和可讀性并不佳。本書以機(jī)器學(xué)習(xí)涉及的線性代數(shù)核心知識(shí)為重點(diǎn)，進(jìn)行新的嘗試和突破：從坐標(biāo)與變換、空間與映射、近似與擬合、相似與特征、降維與壓縮這5個(gè)維度，環(huán)環(huán)相扣地展開線性代數(shù)與機(jī)器學(xué)習(xí)算法緊密結(jié)合的核心內(nèi)容，
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的重要分支。本書系統(tǒng)地介紹了如何用Python和NumPy實(shí)現(xiàn)的算法一步一步地實(shí)現(xiàn)深度學(xué)習(xí)的基礎(chǔ)模型，而無須借助TensorFlow、PyTorch等深度學(xué)習(xí)框架，從而能幫助讀者更好地理解底層算法的脈絡(luò)，進(jìn)而進(jìn)行模型的定制、優(yōu)化和改進(jìn)。全書內(nèi)容設(shè)計(jì)可幫助讀者零起點(diǎn)通關(guān)神經(jīng)網(wǎng)絡(luò)，由簡到難地講述感知機(jī)模型
本書以程序員所熟悉的代碼方式帶領(lǐng)程序員們進(jìn)入深度學(xué)習(xí)的世界。所有的理論都有對(duì)應(yīng)的可運(yùn)行的代碼進(jìn)行說明。程序員可以通過修改和調(diào)試代碼在熟悉的世界里完成向深度學(xué)習(xí)的轉(zhuǎn)型。 本書兼顧了Tensorflow和PyTorch這兩大流行的深度學(xué)習(xí)框架，使讀者同時(shí)掌握靜態(tài)計(jì)算圖和動(dòng)態(tài)計(jì)算圖這兩大流派，方便讀者跟隨新技術(shù)形勢(shì)。同時(shí)還介
深度學(xué)習(xí)是當(dāng)前人工智能的引領(lǐng)技術(shù)，是引發(fā)新一輪人工智能熱潮的原動(dòng)力。本書從模型、算法、原理等角度全面介紹深度學(xué)習(xí)技術(shù)，包括近兩年最新成果。全書由三大部分組成。第一部分是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括機(jī)器學(xué)習(xí)問題、淺層機(jī)器學(xué)習(xí)、早期神經(jīng)網(wǎng)絡(luò)等；第二部分是深度學(xué)習(xí)模型及算法，包括深度生成模型、卷積網(wǎng)絡(luò)、循環(huán)和遞歸網(wǎng)絡(luò)、表示學(xué)
本書旨在討論人工智能領(lǐng)域未來的發(fā)展方向，即通用人工智能和奇點(diǎn)現(xiàn)象。本書涵蓋了奇點(diǎn)理論提出以來該領(lǐng)域取得的一系列研究進(jìn)展，剖析了實(shí)現(xiàn)通用人工智能所面臨的問題并分析了各種實(shí)現(xiàn)途徑。作者不僅展開了天馬行空的想象，思考未來技術(shù)，比如意識(shí)上傳、飛米技術(shù)等如何為通用人工智能提供可行性，還將現(xiàn)有的通用人工智能技術(shù)落地，在生物學(xué)領(lǐng)域進(jìn)
本書是由兩位技術(shù)出身的企業(yè)管理者編寫的深度學(xué)習(xí)普及書。本書的前四章提供了足夠的關(guān)于深度學(xué)習(xí)的理論知識(shí)，包括機(jī)器學(xué)習(xí)的基本概念、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、從神經(jīng)網(wǎng)絡(luò)到深度網(wǎng)絡(luò)的演化歷程，以及主流的深度網(wǎng)絡(luò)架構(gòu)，為讀者閱讀本書剩余內(nèi)容打下基礎(chǔ)。后五章帶領(lǐng)讀者進(jìn)行一系列深度學(xué)習(xí)的實(shí)踐，包括建立深層網(wǎng)絡(luò)、調(diào)優(yōu)技術(shù)、各種數(shù)據(jù)類型的向量化和在
本書共4篇。入門篇介紹學(xué)習(xí)環(huán)境搭建和TensorFlow框架的基本使用；基礎(chǔ)篇介紹傳統(tǒng)智能算法及其TensorFlow的實(shí)現(xiàn)；進(jìn)階篇介紹深度神經(jīng)網(wǎng)絡(luò)方法和CNN、RNN、LSTM、GRU等基礎(chǔ)的深度學(xué)習(xí)算法；應(yīng)用篇介紹GAN學(xué)習(xí)算法和TensorFlowHub遷移學(xué)習(xí)。
本書介紹了深度學(xué)習(xí)原理與TensorFlow實(shí)踐。著重講述了當(dāng)前學(xué)術(shù)界和工業(yè)界的深度學(xué)習(xí)核心知識(shí)：機(jī)器學(xué)習(xí)概論、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)。著重講述了深度學(xué)習(xí)的實(shí)現(xiàn)以及深度學(xué)習(xí)框架TensorFlow：Python編程基礎(chǔ)、TensorFlow編程基礎(chǔ)、TensorFlow模型、TensorFlow編程實(shí)踐、TensorFlo
本書通過對(duì)信息技術(shù)革命的技術(shù)思想歷史的探索，全面分析了包括計(jì)算主義世界觀、人工生命科學(xué)、復(fù)雜性科學(xué)思想、信息技術(shù)哲學(xué)、互聯(lián)網(wǎng)思想、賽博空間思想及媒介理論思想等以信息技術(shù)為核心的技術(shù)思想的演變和發(fā)展。與此同時(shí)，書中還通過對(duì)計(jì)算機(jī)科學(xué)、經(jīng)濟(jì)學(xué)、社會(huì)學(xué)、歷史學(xué)及政治學(xué)等其他跨學(xué)科的思想方法的研究，論述了人類文明發(fā)展的底層邏輯
粒計(jì)算是當(dāng)前計(jì)算智能研究領(lǐng)域中模擬人類思維和解決復(fù)雜問題的新方法，研究內(nèi)容覆蓋了有關(guān)粒度的主要理論、方法和技術(shù)，是研究復(fù)雜問題求解、大數(shù)據(jù)挖掘和模糊不確定信息處理等當(dāng)前面臨的關(guān)鍵問題的有效工具。本書介紹了粗糙集理論、概念格理論、三支決策理論等粒計(jì)算研究的概述和最新進(jìn)展。全書共14章，主要由兩部分組成（多粒度計(jì)算、三支決
本書根據(jù)人工智能領(lǐng)域產(chǎn)品經(jīng)理的能力要求與知識(shí)體系，從原理到應(yīng)用介紹人工智能的相關(guān)技術(shù)，全面闡述如何進(jìn)階為一名合格的人工智能產(chǎn)品經(jīng)理。本書共分為13章，其中第1~3章介紹機(jī)器學(xué)習(xí)能做什么及如何去做，第4~10章介紹7種基礎(chǔ)算法的原理與商業(yè)化應(yīng)用，第11~13章介紹深度學(xué)習(xí)在圖像識(shí)別、自然語言處理與AI繪畫三個(gè)方向的發(fā)展與
書單推薦 新書推薦
