本書是入門階段的人工智能技術(shù)讀物，使讀者獲得人工智能的入門知識(shí)和基本的人工智能思維模式與動(dòng)手能力，主要內(nèi)容包括人類智能與人工智能的關(guān)系、人工智能的定義、人工智能六大實(shí)現(xiàn)途徑、智能系統(tǒng)的動(dòng)手實(shí)踐等，為學(xué)校開展人工智能入門教學(xué)或者讀者自學(xué)人工智能技術(shù)提供參考和指南。

本書以通俗易懂的方式從各個(gè)層面介紹了AIGC的基礎(chǔ)知識(shí)，并輔以大量案例引領(lǐng)讀者了解AIGC的應(yīng)用實(shí)踐，讓讀者可以更快速地利用AIGC改善工作和生活。第1章從AI發(fā)展歷史到資本市場(chǎng)近況闡述了AIGC產(chǎn)業(yè)的概況，第2章介紹了AIGC相關(guān)技術(shù)，第3章介紹了文本類AIGC技術(shù)的發(fā)展及其在傳媒、教育、辦公等場(chǎng)景中的應(yīng)用，第4章介

《機(jī)器學(xué)習(xí)中的標(biāo)記增強(qiáng)理論與應(yīng)用研究》由東南大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院助理研究員徐寧撰寫。全書聚焦標(biāo)記端多義性這一當(dāng)今機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)問題，針對(duì)學(xué)習(xí)過程中不可避免的信息損失這一突出問題，提出了標(biāo)記增強(qiáng)的概念，以期在不增加額外數(shù)據(jù)標(biāo)注負(fù)擔(dān)的前提下，挖掘訓(xùn)練樣本中蘊(yùn)含的標(biāo)記重要性差異信息，將邏輯標(biāo)記轉(zhuǎn)化為標(biāo)記分布�！稒C(jī)器學(xué)

深度學(xué)習(xí)框架中蘊(yùn)藏著驚人的技術(shù)和有趣的機(jī)制，本書旨在揭開這些技術(shù)和機(jī)制的神秘面紗，幫助讀者正確理解技術(shù)，體會(huì)它們的有趣之處。為此，本書會(huì)帶領(lǐng)讀者從零開始創(chuàng)建一個(gè)深度學(xué)習(xí)框架DeZero。DeZero是本書原創(chuàng)的框架，它用最少的代碼實(shí)現(xiàn)了現(xiàn)代深度學(xué)習(xí)框架的功能。本書分60個(gè)步驟來完成這個(gè)框架，在此過程中，讀者會(huì)加深對(duì)Py

至少從20世紀(jì)50年代起，人們就開始大肆宣傳可能很快就會(huì)創(chuàng)造出一種能夠與人類智能的全部范圍和水平相匹配的機(jī)器�，F(xiàn)在，我們已經(jīng)成功地創(chuàng)造出了能夠解決特定問題的機(jī)器，其準(zhǔn)確度達(dá)到甚至超過了人類，但我們?nèi)匀粺o法獲得通用智能。這本書想和大家探討一下還需要做什么樣的努力才能不僅獲得專用智能，還能獲得通用智能。如果讀者對(duì)智能感興趣

本書全面介紹人工智能的基本理論、技術(shù)及應(yīng)用。全書共10章，主要內(nèi)容包括人工智能概論、知識(shí)表示與知識(shí)圖譜、確定性與不確定性推理、搜索策略、遺傳算法、群智能算法、人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)、專家系統(tǒng)、自然語言理解，附錄部分給出了實(shí)用性強(qiáng)的12個(gè)實(shí)驗(yàn)。本書強(qiáng)調(diào)人工智能知識(shí)的基礎(chǔ)性、整體性、綜合性和廣博性，使學(xué)生掌握人工

強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)的重要組成部分。本書采用理論與實(shí)踐相結(jié)合的寫法，從強(qiáng)化學(xué)習(xí)的基本概念開始，詳細(xì)介紹了強(qiáng)化學(xué)習(xí)的算法理論和實(shí)踐操作，配有Python代碼實(shí)現(xiàn)，完整呈現(xiàn)強(qiáng)化學(xué)習(xí)算法的實(shí)踐細(xì)節(jié)。通過這本書你將會(huì)：（1）理解強(qiáng)化學(xué)習(xí)最關(guān)鍵方面的問題。（2）探索馬爾可夫決策過程及動(dòng)態(tài)規(guī)劃的過程。（3）深入理解強(qiáng)化學(xué)習(xí)的各種方法

本書將帶領(lǐng)讀者一起主動(dòng)擁抱機(jī)器學(xué)習(xí)，快樂翻越高等數(shù)學(xué)、算法分析、工程實(shí)踐這三座大山。面對(duì)三類讀者（會(huì)用即可、想深入學(xué)習(xí)、想成為專家）的學(xué)習(xí)動(dòng)機(jī)和閱讀需求，全書一共用19章來講解機(jī)器學(xué)習(xí)的各種模型，包括機(jī)器學(xué)習(xí)中基礎(chǔ)和關(guān)鍵的線性回歸、邏輯回歸、決策樹、貝葉斯、支持向量機(jī)、KNN等。全書具有語言表達(dá)輕快、模型講解細(xì)致、圖表

使用機(jī)器學(xué)習(xí)技術(shù)解決實(shí)際應(yīng)用問題涉及模型的建立、訓(xùn)練及評(píng)估等步驟。優(yōu)化算法常被用于訓(xùn)練模型的參數(shù)，是機(jī)器學(xué)習(xí)的重要組成部分。機(jī)器學(xué)習(xí)模型的訓(xùn)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(yàn)知識(shí)�；�于梯度的算法（例如加速梯度法、隨機(jī)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(luò)的主要理論和設(shè)計(jì)基礎(chǔ)，給出了大量應(yīng)用實(shí)例，旨在使讀者了解神經(jīng)網(wǎng)絡(luò)的發(fā)展背景和研究對(duì)象，理解和熟悉其基本原理和主要應(yīng)用，掌握其結(jié)構(gòu)模型和基本設(shè)計(jì)方法，為以后的深入研究和應(yīng)用開發(fā)打下基礎(chǔ)。全書共分為10章，第1、2章介紹了神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史、基本特征與功能、應(yīng)用領(lǐng)域及基礎(chǔ)知識(shí)，第3~10章展開介