本書首先介紹深度學(xué)習(xí)方面的數(shù)學(xué)知識與Python基礎(chǔ)知識，線性模型中的線性回歸模型和logistic模型；然后講述正向傳播算法、反向傳播算法及深度神經(jīng)網(wǎng)絡(luò)的完整訓(xùn)練流程，輸出層的激活函數(shù)和隱藏層的常見激活函數(shù)，深度學(xué)習(xí)的過擬合和欠擬合，應(yīng)對過擬合的方法，以及使用TensorFlow2建立深度神經(jīng)網(wǎng)絡(luò)模型的步驟；接著介紹

本書分兩部分對時滯遞歸神經(jīng)網(wǎng)絡(luò)的理論與應(yīng)用進(jìn)行了介紹：第一部分對隨機時滯遞歸神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性進(jìn)行了分析，第二部分則對遞歸神經(jīng)網(wǎng)絡(luò)在優(yōu)化算法及智能控制等方面的應(yīng)用進(jìn)行了介紹。

本書分為基礎(chǔ)理論篇與應(yīng)用實踐篇。基礎(chǔ)理論篇主要闡述機器學(xué)習(xí)基本概念與技術(shù)體系，從應(yīng)用角度分析各技術(shù)環(huán)節(jié)，并借助專利分析方法與文獻(xiàn)分析方法，總結(jié)機器學(xué)習(xí)在不同領(lǐng)域的發(fā)展趨勢和研究熱點。應(yīng)用實踐篇主要結(jié)合實際工作中機器學(xué)習(xí)的運用情況，從技術(shù)支撐角度闡述機器學(xué)習(xí)在各行業(yè)領(lǐng)域的應(yīng)用現(xiàn)狀；對科技管理、醫(yī)療健康、稅務(wù)大數(shù)據(jù)、缺陷檢

本書以高校和企業(yè)合作的人工智能大數(shù)據(jù)標(biāo)注基地的實際運作經(jīng)驗為基礎(chǔ),將自己在AI大數(shù)據(jù)標(biāo)注工廠中所領(lǐng)悟到的管理方法和所使用的技術(shù)平臺進(jìn)行詳細(xì)闡述,并結(jié)合實際案例進(jìn)行講解,在兼顧初學(xué)者的同時,更偏重于如何以數(shù)據(jù)標(biāo)注工廠的層面從管理方法和技術(shù)手段上提高AI大數(shù)據(jù)標(biāo)注生產(chǎn)能力的探討。

本書分為計算機語言、數(shù)學(xué)、AI基本概念、基本程序4部分，共14章，包括MATLAB、Linux、Python、簡單隨機過程基礎(chǔ)知識、隨機矩陣?yán)碚摵喪觥⑸疃葘W(xué)習(xí)基本概念等內(nèi)容。

本書分為人工智能啟蒙、人工智能創(chuàng)新實踐和人工智能科創(chuàng)實踐3個章節(jié)，每個章節(jié)包含若干個主題活動，每個主題設(shè)置了情境導(dǎo)入、知識沖浪、編程實踐和總結(jié)與反饋等環(huán)節(jié)。

在本書中，你將學(xué)習(xí)以一種整體方法來設(shè)計兼具可靠性、可伸縮性、可維護(hù)性，并能適應(yīng)不斷變化的環(huán)境和業(yè)務(wù)需求的機器學(xué)習(xí)系統(tǒng)。作者ChipHuyen是ClaypotAI的聯(lián)合創(chuàng)始人，她在如何幫助系統(tǒng)作為一個整體實現(xiàn)其目標(biāo)的背景下考慮了每一種設(shè)計決策，例如如何處理和創(chuàng)建訓(xùn)練數(shù)據(jù)，使用哪些特性，重新訓(xùn)練模型的頻率，以及監(jiān)測哪些內(nèi)容

本書以準(zhǔn)確翔實的統(tǒng)計數(shù)據(jù)和全面深入的實地調(diào)研為基礎(chǔ)，系統(tǒng)闡述我國人工智能人才發(fā)展總體現(xiàn)狀、存在的問題及未來發(fā)展趨勢，重點分析我國高校人工智能人才教育培養(yǎng)狀況、人工智能相關(guān)崗位人才需求狀況、國際人工智能人才狀況和就業(yè)趨勢，以互聯(lián)網(wǎng)行業(yè)、金融業(yè)、汽車行業(yè)人工智能人才發(fā)展，以及深圳、蘇州、杭州、廣州、北京等市的人工智能人才發(fā)

本書較為全面地介紹了深度學(xué)習(xí)模型訓(xùn)練、計算機視覺模型應(yīng)用、自然語言處理模型應(yīng)用等技術(shù)。全書共9個實訓(xùn)項目,包括深度學(xué)習(xí)全連接神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用、計算機視覺模型數(shù)據(jù)準(zhǔn)備、計算機視覺模型訓(xùn)練與應(yīng)用、計算機視覺模型部署、自然語言處理預(yù)訓(xùn)練模型數(shù)據(jù)準(zhǔn)備、自然語言處理預(yù)訓(xùn)練模型訓(xùn)練與

本書較為全面地介紹了深度學(xué)習(xí)應(yīng)用場景下的人工智能技術(shù)服務(wù)、深度學(xué)習(xí)數(shù)據(jù)應(yīng)用、深度學(xué)習(xí)基礎(chǔ)應(yīng)用等技術(shù)。全書共10個實訓(xùn)項目,包括人工智能需求分析、人工智能產(chǎn)品設(shè)計、人工智能平臺應(yīng)用、數(shù)據(jù)采集工程應(yīng)用、數(shù)據(jù)處理工程應(yīng)用、數(shù)據(jù)標(biāo)注工程應(yīng)用、機器學(xué)習(xí)模型訓(xùn)練、深度學(xué)習(xí)框架應(yīng)用開發(fā)、深度學(xué)習(xí)框架基礎(chǔ)功能應(yīng)用、深度學(xué)習(xí)線性回歸模型