本書是一本人工智能應(yīng)用方法論的書，從技術(shù)原理、項目實踐到商業(yè)戰(zhàn)略再到實踐課，逐層放開視野。 部分首先圍繞機器為何學(xué)習(xí)和機器怎樣學(xué)習(xí)展開，樹立機器學(xué)習(xí)的基本觀念，認識大數(shù)據(jù)對機器學(xué)習(xí)和深度學(xué)習(xí)的價值，啟發(fā)對產(chǎn)業(yè)應(yīng)用的思考；然后聚焦機器學(xué)習(xí)和深度學(xué)習(xí)的技術(shù)原理和實踐經(jīng)驗，詳述假設(shè)目標(biāo)尋解的學(xué)習(xí)框架，探討模型如何變強，以及建

強化學(xué)習(xí)是機器學(xué)習(xí)的重要分支，是實現(xiàn)通用人工智能的重要途徑。本書介紹了強化學(xué)習(xí)在算法層面的快速發(fā)展，包括值函數(shù)、策略梯度、值分布建模等基礎(chǔ)算法，以及為了提升樣本效率產(chǎn)生的基于模型學(xué)習(xí)、探索與利用、多目標(biāo)學(xué)習(xí)、層次化學(xué)習(xí)、技能學(xué)習(xí)等算法，以及一些新興領(lǐng)域，包括離線學(xué)習(xí)、表示學(xué)習(xí)、元學(xué)習(xí)等，旨在提升數(shù)據(jù)高效性和策略的泛化能

本書對優(yōu)化算法的理論和研究進展進行了系統(tǒng)的梳理，旨在幫助讀者快速了解該領(lǐng)域的發(fā)展脈絡(luò)，掌握必要的基礎(chǔ)知識，進而推進前沿研究工作。本書首先介紹流行的機器學(xué)習(xí)模式，對重要的優(yōu)化理論進行回顧，接著重點討論已廣泛應(yīng)用于優(yōu)化的算法，以及有潛力應(yīng)用于大規(guī)模機器學(xué)習(xí)和數(shù)據(jù)分析的算法，包括一階方法、隨機優(yōu)化方法、隨機和分布式方法、非凸

《神經(jīng)網(wǎng)絡(luò)機器翻譯技術(shù)及產(chǎn)業(yè)應(yīng)用》由百度首席技術(shù)官王海峰、百度人工智能技術(shù)委員會主席何中軍、百度技術(shù)委員會主席吳華聯(lián)合撰寫，以產(chǎn)業(yè)需求為牽引，介紹了新時期機器翻譯的產(chǎn)業(yè)需求特點、神經(jīng)網(wǎng)絡(luò)機器翻譯的原理與方法、技術(shù)進展及產(chǎn)業(yè)應(yīng)用。全書兼具理論與實踐，既有對原理與方法的介紹，又有豐富的產(chǎn)業(yè)應(yīng)用案例。《神經(jīng)網(wǎng)絡(luò)機器翻譯技術(shù)及

本書對自主智能系統(tǒng)前沿控制理論問題以及主要方法做了詳細闡述，主要從自主智能系統(tǒng)的狀態(tài)估計、協(xié)同控制和網(wǎng)絡(luò)安全防御三個方面展開，內(nèi)容涵蓋事件觸發(fā)風(fēng)險敏感狀態(tài)估計、具有相對熵約束的事件觸發(fā)最小最大狀態(tài)估計、多剛體的有限時間協(xié)同控制、多剛體系統(tǒng)的姿態(tài)同步、多剛體系統(tǒng)的最優(yōu)一致性、多智能體系統(tǒng)在網(wǎng)絡(luò)攻擊下的安全控制以及多智能體

"本書從ChatGPT的基礎(chǔ)知識、應(yīng)用場景和案例分析等方面展開講解。例如，如何使用ChatGPT實現(xiàn)自然語言翻譯、如何使用ChatGPT學(xué)習(xí)英語，修改代碼、表格生成、甚至菜品開發(fā)等，所舉例的應(yīng)用場景中包含了⼤量的實用技巧和建議，幫助讀者更好地掌握和應(yīng)用ChatGPT⼯具。 本書共分為9個章

本書較為系統(tǒng)地介紹了人工智能時代技術(shù)賦能教育生態(tài)的理論與實踐探索,以“人工智能技術(shù)賦能教育”為核心,整合了智能技術(shù)對教育各要素產(chǎn)生的影響,形成人工智能時代師范生培養(yǎng)的框架模式。本書包括人工智能概述、人工智能時代的教育、人工智能時代的學(xué)校、人工智能時代的教師、人工智能時代的學(xué)生、人工智能時代的教育工具、人工智能時代的教育

全書共10章，第1章介紹了機器學(xué)習(xí)算法的基本概念、分類及本書開發(fā)環(huán)境的搭建。第2章介紹了機器學(xué)習(xí)算法中經(jīng)常用到的NumPy相關(guān)知識及繪圖工具包Matplotlib。從第3章開始介紹機器學(xué)習(xí)算法，第3章介紹了最簡單也是最常用的線性回歸算法。第4章介紹了搜索算法，包括梯度下降算法、隨機梯度下降算法、小批量梯度下降算法、牛頓

本書從數(shù)據(jù)分析與機器學(xué)習(xí)算法入手，系統(tǒng)地介紹了機器學(xué)習(xí)各類算法的原理方法和實際應(yīng)用。本書的主要內(nèi)容包括：KNN算法、樸素貝葉斯、決策樹、支持向量機、線性回歸、K-means算法、人工神經(jīng)網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)深度學(xué)習(xí)以及基于Python數(shù)據(jù)分析進行職業(yè)規(guī)劃。本書作為大數(shù)據(jù)技術(shù)與人工智能領(lǐng)域的入門教材，在內(nèi)容上涵蓋了機器學(xué)習(xí)經(jīng)典

本書探究了擁有強大算力支持的大語言模型如何汲取其創(chuàng)造者——人類的智慧和思想，來達成令人動容的成就。