本書以人工智能下的大數(shù)據(jù)時(shí)代為背景,從數(shù)據(jù)素養(yǎng)、數(shù)據(jù)分析基礎(chǔ)、統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)多個(gè)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(xué)公式,也不涉及復(fù)雜煩瑣的程序代碼,而是在闡述基本原理的基礎(chǔ)上,輔以簡潔的Python程序,讓讀者能夠快速入門,提升個(gè)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(lǐng)域的理論和實(shí)踐，以統(tǒng)一的風(fēng)格將當(dāng)今流行的人工智能思想和術(shù)語融合到引起廣泛關(guān)注的應(yīng)用中，真正做到理論和實(shí)踐相結(jié)合。全書分7個(gè)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(guān)思想，內(nèi)容主要包括邏輯、概率和連續(xù)數(shù)學(xué)，感知、推理、學(xué)習(xí)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(shè)計(jì)理念，主要內(nèi)容包括基于STM32單片機(jī)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(gè)典型的物聯(lián)網(wǎng)綜合應(yīng)用和兩個(gè)物聯(lián)網(wǎng)競賽獲獎實(shí)戰(zhàn)案例，助力讀者掌握面向端管云協(xié)同設(shè)計(jì)的物聯(lián)網(wǎng)應(yīng)用項(xiàng)目開發(fā)。為提高
PyTorch是基于Torch庫的開源機(jī)器學(xué)習(xí)庫，它主要由Meta（原Facebook）的人工智能研究實(shí)驗(yàn)室開發(fā)，在自然語言處理和計(jì)算機(jī)視覺領(lǐng)域都具有廣泛的應(yīng)用。本書介紹了簡單且經(jīng)典的入門項(xiàng)目，方便快速上手，如MNIST數(shù)字識別，讀者在完成項(xiàng)目的過程中可以了解數(shù)據(jù)集、模型和訓(xùn)練等基礎(chǔ)概念。本書還介紹了一些實(shí)用且經(jīng)典的模
本書從貝葉斯理論的基本原理講起，逐步深入算法、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，并配合項(xiàng)目案例，重點(diǎn)介紹了基于貝葉斯理論的算法原理，及其在機(jī)器學(xué)習(xí)中的應(yīng)用。 本書分為10章，涵蓋了貝葉斯概率、概率估計(jì)、貝葉斯分類、隨機(jī)場、參數(shù)估計(jì)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)、動態(tài)貝葉斯網(wǎng)絡(luò)、貝葉斯深度學(xué)習(xí)等。本書涉及的應(yīng)用領(lǐng)域包含機(jī)器學(xué)習(xí)、圖
本書是一本理論扎實(shí)，同時(shí)聯(lián)系實(shí)際應(yīng)用的圖書。全書系統(tǒng)地介紹了因果推斷的基本知識、基于機(jī)器學(xué)習(xí)的因果推斷方法和基于因果推斷的機(jī)器學(xué)習(xí)方法及其在一些重要領(lǐng)域的應(yīng)用。全書共分6章。第1章從潛結(jié)果框架和結(jié)構(gòu)因果模型出發(fā)，介紹因果推斷的基本概念和方法。第2章介紹近年統(tǒng)計(jì)和機(jī)器學(xué)習(xí)文獻(xiàn)中出現(xiàn)的一些重要的基于機(jī)器學(xué)習(xí)的因果推斷方法。
神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)是人工智能研究的重要領(lǐng)域，是機(jī)器學(xué)習(xí)的重要組成部分。人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的科學(xué)。本書緊緊圍繞神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基礎(chǔ)知識體系進(jìn)行系統(tǒng)的梳理，力求從基礎(chǔ)理論、經(jīng)典模型和前沿應(yīng)用展開論述，便于讀者能夠較為全面地掌握深度學(xué)習(xí)的相關(guān)知識。全書共16章。第1章是緒論，簡要介紹人工智
本書致力于介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念和算法、研究前沿以及廣泛和新興的應(yīng)用，涵蓋圖神經(jīng)網(wǎng)絡(luò)的廣泛主題，從基礎(chǔ)到前沿，從方法到應(yīng)用，涉及從方法論到應(yīng)用場景方方面面的內(nèi)容。全書分為四部分：第一部分介紹圖神經(jīng)網(wǎng)絡(luò)的基本概念；第二部分討論圖神經(jīng)網(wǎng)絡(luò)成熟的方法；第三部分介紹圖神經(jīng)網(wǎng)絡(luò)典型的前沿領(lǐng)域；第四部分描述可能對圖神經(jīng)網(wǎng)絡(luò)未來研
本書的寫作初衷是，從學(xué)者的角度，用一種通俗易懂的方式，將基于深度學(xué)習(xí)的目標(biāo)檢測的相關(guān)論文中的理論和方法呈現(xiàn)給讀者，同時(shí)針對作者在深度學(xué)習(xí)教學(xué)過程中遇到的難點(diǎn)，進(jìn)行深入的分析和講解。本書側(cè)重對卷積神經(jīng)網(wǎng)絡(luò)的介紹，而深度學(xué)習(xí)的內(nèi)容不止于此。所以，作者將深度學(xué)習(xí)分為有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)三類，將圖像分類、目標(biāo)檢測、
機(jī)器學(xué)習(xí)是人工智能的重要技術(shù)基礎(chǔ)，涉及的內(nèi)容十分廣泛。本書涵蓋了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)知識，主要包括機(jī)器學(xué)習(xí)的概述、統(tǒng)計(jì)學(xué)基礎(chǔ)、分類、聚類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)、文本分析、分布式機(jī)器學(xué)習(xí)算法等經(jīng)典的機(jī)器學(xué)習(xí)基礎(chǔ)知識，還包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)、目標(biāo)檢測、自編碼器等深度學(xué)習(xí)的內(nèi)容。此外，
知識工程是人工智能發(fā)展中重要的研究工作。形式概念分析提出后廣泛用戶不同領(lǐng)域的知識表示，近年來知識圖譜在信息檢索領(lǐng)域解決了不同層面應(yīng)用的知識表達(dá)和知識推理中。在形式概念分析和知識圖譜研究工作上，圍繞一些不適合建立領(lǐng)域知識圖譜的應(yīng)用背景，知識的獲取、知識的表示、知識推理等問題，提出了從文本中一些具有內(nèi)涵和外延概念這一知識的
隨著云計(jì)算、大數(shù)據(jù)等的快速發(fā)展，越來越多的組織用信息化手段進(jìn)行流程管理。如何提升流程執(zhí)行的智能化程度、動態(tài)性和柔性，以提高對非標(biāo)準(zhǔn)業(yè)務(wù)的管理效率，是流程管理面臨的一個(gè)重要問題。 本書基于流程管理系統(tǒng)積累的日志，提出了3種流程管理的工作流活動推薦方法，分別為基于用戶類別近鄰的活動推薦方法、基于Pearson相關(guān)系數(shù)的活動
本書通過扎實(shí)、詳細(xì)的內(nèi)容和清晰的結(jié)構(gòu)，從算法理論、算法源碼、實(shí)驗(yàn)結(jié)果等方面對深度學(xué)習(xí)算法進(jìn)行分析和介紹。本書共三篇，第一篇主要介紹深度學(xué)習(xí)在計(jì)算機(jī)視覺方向的一些卷積神經(jīng)網(wǎng)絡(luò)，從基礎(chǔ)骨干網(wǎng)絡(luò)、輕量級CNN、模型架構(gòu)搜索3個(gè)方向展開，介紹計(jì)算機(jī)視覺方向的里程碑算法；第二篇主要介紹深度學(xué)習(xí)在自然語言處理方向的重要突破，包括基
全書可分為五大部分，闡述了分布式人工智能的基礎(chǔ)知識以及相關(guān)進(jìn)展，包括分布式人工智能簡介、分布式規(guī)劃與優(yōu)化、多智能體博弈、多智能體學(xué)習(xí)和分布式人工智能應(yīng)用。除此之外，由于本領(lǐng)域尚處于蓬勃發(fā)展階段，相關(guān)技術(shù)與應(yīng)用層出不窮，因此書中還提供了研究者對于分布式人工智能發(fā)展的相關(guān)預(yù)測，主要集中在：第一，更復(fù)雜和更大規(guī)模的分布式人工
本書基于TensorFlow.NET框架，詳細(xì)介紹了.NET平臺下深度學(xué)習(xí)的基礎(chǔ)原理和應(yīng)用技術(shù)，不僅闡述了算法原理，還演示了實(shí)踐代碼和運(yùn)行效果，其中完整示例主要采用的語言為C#和F#。全書分為3個(gè)部分：第一部分介紹了核心API的用法和基礎(chǔ)示例，包括數(shù)據(jù)類型、張量、EagerMode、自動求導(dǎo)、線性回歸、邏輯回歸、tf.
人工智能正在以前所未有的速度發(fā)展，其廣泛地應(yīng)用于汽車、醫(yī)療、交通、制造、金融等多個(gè)領(lǐng)域。通�！叭斯ぶ悄堋币辉~往往與人機(jī)交互系統(tǒng)相聯(lián)系，進(jìn)而突出其應(yīng)用性，表現(xiàn)為“機(jī)器學(xué)習(xí)”和“問題解決”等。現(xiàn)如今人工智能不再是人的延伸，而是可以自我演進(jìn)的，是相對獨(dú)立的。這就決定了人工智能發(fā)展面臨著巨大的挑戰(zhàn)，不僅是技術(shù)層面的諸多挑戰(zhàn)，還
本書采用全彩圖解+視頻講解的形式，通過生動有趣的童話探秘之旅，介紹了利用JoyFrog（呱比特手柄）和Kittenblock進(jìn)行人工智能項(xiàng)目開發(fā)的思路及技巧。全書共18課，涵蓋以下知識點(diǎn)：百度大腦中的文字朗讀、語音識別、圖形識別、文字識別、人臉識別和寫詩寫春聯(lián)等，F(xiàn)aceAI中的人臉、微笑、年齡、性別等的檢測，機(jī)器學(xué)習(xí)
本書以青少年喜愛的《西游記》為藍(lán)本進(jìn)行人物塑造，故事主線講述了人工智能時(shí)代下，一個(gè)具備學(xué)習(xí)人工智能的硬件基礎(chǔ)，卻缺乏相關(guān)理論知識的智能機(jī)器人——悟小白，在通臂猿猴的陪伴下，在尋找人工智能專家唐小僧拜師學(xué)藝的路上，通過重重關(guān)卡，不斷歷練的故事，而這正是人工智能的技術(shù)基石——“機(jī)器學(xué)習(xí)”的本質(zhì)。故事由淺入深，通過各類關(guān)卡和
本書主要介紹統(tǒng)計(jì)機(jī)器學(xué)習(xí)領(lǐng)域常用的基礎(chǔ)模型、算法和代碼實(shí)現(xiàn)。包括統(tǒng)計(jì)機(jī)器學(xué)習(xí)、Python語言基礎(chǔ)，常用的線性回歸、貝葉斯分類器、邏輯回歸、SVM、核方法、集成學(xué)習(xí)，以及深度學(xué)習(xí)中的多層感知器、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、變分自編碼器、對抗生成網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)等模型與優(yōu)化方法，使用Scikit-Learn、TensorF
書單推薦 新書推薦
