本書基于循序漸進培養(yǎng)兒童數(shù)學核心概念和邏輯思維的培養(yǎng)目標，用故事情景和實物化編程游戲工具，引導孩子在角色扮演和對圖形化程序指令符號的理解執(zhí)行過程中，訓練孩子用計算思維解決問題，使抽象枯燥的數(shù)學教育和編程教育變成生動活潑、充滿童趣，又富有互動性的學習體驗。 附帶教學教案和教具
本書是入門階段的人工智能技術讀物，使讀者獲得人工智能的入門知識和基本的人工智能思維模式與動手能力，主要內(nèi)容包括人類智能與人工智能的關系、人工智能的定義、人工智能六大實現(xiàn)途徑、智能系統(tǒng)的動手實踐等，為學校開展人工智能入門教學或者讀者自學人工智能技術提供參考和指南。
使用機器學習技術解決實際應用問題涉及模型的建立、訓練及評估等步驟。優(yōu)化算法常被用于訓練模型的參數(shù)，是機器學習的重要組成部分。機器學習模型的訓練可以建模成無約束優(yōu)化問題或帶約束優(yōu)化問題，約束可以為模型增加更多的先驗知識�；谔荻鹊乃惴ǎɡ缂铀偬荻确ā㈦S機梯度法等）是求解無約束優(yōu)化問題的常用方法，而交替方向乘子法（ADM
本書系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡的主要理論和設計基礎，給出了大量應用實例，旨在使讀者了解神經(jīng)網(wǎng)絡的發(fā)展背景和研究對象，理解和熟悉其基本原理和主要應用，掌握其結構模型和基本設計方法，為以后的深入研究和應用開發(fā)打下基礎。全書共分為10章，第1、2章介紹了神經(jīng)網(wǎng)絡的發(fā)展歷史、基本特征與功能、應用領域及基礎知識，第3~10章展開介
本書系統(tǒng)介紹了機器學習常用算法及其應用，在深入分析算法原理的基礎上，結合當前熱門應用場景，向讀者展現(xiàn)了機器學習算法的綜合應用，帶領讀者進入機器學習領域，開啟人工智能行業(yè)的大門。全書共21章，分為3部分。第1部分介紹機器學習基礎算法，包括線性回歸、多項式回歸、邏輯回歸、k-NN、決策樹、k-Means、SVM、隨機森林、
《自動控制原理（第2版）》主要內(nèi)容包括控制系統(tǒng)的數(shù)學模型，線性系統(tǒng)的時域分析法、根軌跡法、頻域分析法、綜合與校正，非線性系統(tǒng)的分析，線性離散系統(tǒng)的分析。本書著重于基本概念、基本理論和基本分析方法，并附加學習資源，掃描書中的二維碼可隨時完成基本測試題練習并查看參考答案。本書在國家智慧教育公共服務平臺有配套在線課程，可供讀
本書的主體內(nèi)容包括機器學習概念與特征工程、機器學習技術、模型關系管理，其中，模型關系管理部分主要介紹了弱集成學習、強集成學習和混合專家模型。弱集成學習是指使用機器學習中的弱分類器實現(xiàn)模型準確度和穩(wěn)定性之間的平衡。強集成學習是指協(xié)同特征工程與強分類器形成強集成學習環(huán)境�；旌蠈＜夷Ｐ褪侵竿ㄟ^神經(jīng)網(wǎng)絡集成和網(wǎng)絡結構設計形成深
2017年，國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，要求中小學開設人工智能相關課程，并提倡以計算思維為指導，將信息技術課程從技術導向轉換為科學導向。因此，機器學習作為人工智能技術的內(nèi)核，走入我國廣大中小學生的課堂是科技發(fā)展的必然選擇�！禕R》本書共11章，系統(tǒng)地介紹機器學習模型中常見的白盒和黑盒模型，以及這些模型統(tǒng)一的框
機器學習是人工智能的一個方向。它是一門多領域交叉學科，涉及概率論、統(tǒng)計學、矩陣論、神經(jīng)網(wǎng)絡、計算機等多門學科。其目標是使用計算機模擬或實現(xiàn)人類學習活動，從現(xiàn)有大量的數(shù)據(jù)中學習，利用經(jīng)驗不斷改善系統(tǒng)性能。機器學習步驟一般分為獲取數(shù)據(jù)、數(shù)據(jù)預處理、建立模型、模型評估和預測。本書共6章。第1章節(jié)主要介紹機器學習的基本概念及其
本書是近年來作者對混合智能系統(tǒng)研究成果及經(jīng)驗的總結。本書界定了混合智能系統(tǒng)的研究范圍和研究層次，給出了混合智能系統(tǒng)的概念。以設計科學的思想為基礎，以基于案例推理的混合智能系統(tǒng)技術選擇為核心，依據(jù)“從定性到定量綜合集成研討廳”的基本思想，提出了基于案例推理的混合智能系統(tǒng)構造方法。在對串型混合智能系統(tǒng)、并型混合智能系統(tǒng)、反
人工智能是一項高科技技術，也是計算機技術的一個重要分支，此技術是以人工的方法，對人類的行動和思維進行模仿，同時在人的智能基礎上進行拓展。人工智能應用面比較廣泛，可代替人類進行各個方面的工作，可以說大大提高了人類在日常生活工作中的效率。但人工智能具有兩面性，對人類有好的一面也有不好的一面。因此，本書將結合人工智能技術的發(fā)
本書是《動手學深度學習》的重磅升級版本，選用PyTorch深度學習框架，旨在向讀者交付更為便捷的有關深度學習的交互式學習體驗。 本書重新修訂《動手學深度學習》的所有內(nèi)容，并針對技術的發(fā)展，新增注意力機制、預訓練等內(nèi)容。本書包含15章，第一部分介紹深度學習的基礎知識和預備知識，并由線性模型引出基礎的神經(jīng)網(wǎng)絡——多層感知機
本書是《Scikit-learn機器學習詳解》（潘風文編著）的進階篇，講解了Sklearn（Scikit-learn）機器學習框架的各種高級應用技術，包括數(shù)據(jù)集導入工具、集成學習、模型選擇和交叉驗證、異常檢測、管道、信號分解、模型持久化以及Sklearn系統(tǒng)高級配置。通過本書的學習，讀者可快速掌握Sklearn框架的高
本書將人工智能與人類智慧深度融合，系統(tǒng)、全面地介紹了類腦智能目標檢測網(wǎng)絡的構建原理、方法、過程，具有較高的學術價值；同時，本書將所構建的類腦智能目標檢測網(wǎng)絡在無人車交通標志檢測、無人車-機械臂協(xié)同作業(yè)這兩個場景進行了示范應用，具有較大的工程應用價值。本書主要的讀者群體為從事類腦智能、計算機視覺、無人系統(tǒng)研究的科研工作者
本書基于作者多年的研究成果，詳細介紹了跨數(shù)據(jù)中心機器學習的訓練系統(tǒng)設計和通信優(yōu)化技術。本書面向多數(shù)據(jù)中心間的分布式機器學習系統(tǒng)，針對多數(shù)據(jù)中心間有限的傳輸帶寬、動態(tài)異構資源，以及異構數(shù)據(jù)分布三重挑戰(zhàn)，自底向上討論梯度傳輸協(xié)議、流量傳送調(diào)度、高效通信架構、壓縮傳輸機制、同步優(yōu)化算法、異構數(shù)據(jù)優(yōu)化算法六個層次的優(yōu)化技術，旨
從取代簡單機械的重復勞動到輔助內(nèi)容創(chuàng)作、醫(yī)藥開發(fā)、科學實驗，人工智能產(chǎn)品正以驚人的速度在各行業(yè)大展拳腳，預示著人類即將進入一個全新的發(fā)展階段。本書通過淺顯易懂的語言幫助你理解人工智能產(chǎn)品是什么，人工智能產(chǎn)品是怎么創(chuàng)造出來的以及人工智能產(chǎn)品是如何進行創(chuàng)新迭代的。人工智能行業(yè)的快速發(fā)展對產(chǎn)品經(jīng)理提出了更高的要求，產(chǎn)品經(jīng)理需
本書以人工智能下的大數(shù)據(jù)時代為背景,從數(shù)據(jù)素養(yǎng)、數(shù)據(jù)分析基礎、統(tǒng)計分析、機器學習多個維度全面系統(tǒng)地介紹了如何探索數(shù)據(jù)、整理數(shù)據(jù)并分析數(shù)據(jù)。本書沒有給出晦澀難懂的數(shù)學公式,也不涉及復雜煩瑣的程序代碼,而是在闡述基本原理的基礎上,輔以簡潔的Python程序,讓讀者能夠快速入門,提升個人的數(shù)據(jù)綜合素養(yǎng)。
本書全面、深入地探討了人工智能（AI）領域的理論和實踐，以統(tǒng)一的風格將當今流行的人工智能思想和術語融合到引起廣泛關注的應用中，真正做到理論和實踐相結合。全書分7個部分，共28章，理論部分介紹了人工智能研究的主要理論和方法并追溯了兩千多年前的相關思想，內(nèi)容主要包括邏輯、概率和連續(xù)數(shù)學，感知、推理、學習和行動，公平、信任、
本書系統(tǒng)介紹了5G物聯(lián)網(wǎng)端管云協(xié)同設計理念，主要內(nèi)容包括基于STM32單片機的感知終端開發(fā)、基于5GNB-IoT和NR的感知數(shù)據(jù)處理與傳輸、采用公有云和自建云的物聯(lián)數(shù)據(jù)存儲與Grafana可視化平臺，最后通過4個典型的物聯(lián)網(wǎng)綜合應用和兩個物聯(lián)網(wǎng)競賽獲獎實戰(zhàn)案例，助力讀者掌握面向端管云協(xié)同設計的物聯(lián)網(wǎng)應用項目開發(fā)。為提高
書單推薦 新書推薦
