本書基于谷歌的深度學(xué)習(xí)框架tensorflow，深入講解其語法特點，以及使用方法，并在此基礎(chǔ)上選取了圖像領(lǐng)域的多個應(yīng)用進行深入講解，原理由淺入深，算法推導(dǎo)細致到位，結(jié)合大量的圖片，以及運行中間結(jié)果，進行了細致的分析。 本書基于谷歌的深度學(xué)習(xí)框架tensorflow，深入講解其語法特點，以及使用方法，并在此基礎(chǔ)上選取了圖

本書以工程實踐為主線，基于TensorFlow2.0軟件框架詳細介紹了深度學(xué)習(xí)的工作原理和方法，并以實際代碼為例，剖析了構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的流程、全連接網(wǎng)絡(luò)的運行原理、卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與運行機制、循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與運行機制，討論了使用Dense、Conv1D、Conv2D、SimpleRNN、LTSM、GRU、Bid

正如本書前言所講，這是一本內(nèi)容比較全面且易于理解的介紹人工認知系統(tǒng)的科普讀物。全書首先對人工認知系統(tǒng)做了操作性定義，然后在余下的章節(jié)中介紹了自治性、具身化、學(xué)習(xí)與發(fā)展、記憶與前瞻、知識與表征以及社會認知等關(guān)鍵問題�？紤]到讀者群體，作者沒有涉及“如何構(gòu)建人工認知系統(tǒng)”等具體算法的內(nèi)容，也沒有講到機器意識等比較艱深的領(lǐng)域。

本書介紹了從過去到現(xiàn)代,人工智能不斷地成長完善,機器人會成為我們的好伙伴。這本書使小朋友了解了什么是人工智能,啟迪孩子們的智慧,還能引起他們對科學(xué)探索的興趣,讓孩子邁出走近科學(xué)的第一步。本書圖文結(jié)合,精美彩圖給孩子們帶來全新的閱讀體驗,從而開闊他們的視野;有聲伴讀、拼音的加入令閱讀更加輕松;小開本方便孩子隨時翻閱,為孩

本書聚焦10個業(yè)界與公眾最為關(guān)注的熱點話題，訪談10位來自理論研究和智能產(chǎn)業(yè)領(lǐng)域的代表人物(包括中科院院士、圖靈獎得主、產(chǎn)業(yè)領(lǐng)軍人等)，話題包括大數(shù)據(jù)、人工智能、區(qū)塊鏈、工業(yè)互聯(lián)網(wǎng)、數(shù)字孿生、量子科技、深空探測和腦機接口等，貫穿了智能時代從基礎(chǔ)理論研究，到前沿科技探索，再到技術(shù)產(chǎn)業(yè)應(yīng)用的三個維度。力求從多維、交融、延續(xù)

本書從“芯屏器核網(wǎng)”“云聯(lián)數(shù)算用”和“住業(yè)游樂購”三大版圖和15個版塊，對其背后的產(chǎn)業(yè)格局和實施路徑進行探索。沒有用技術(shù)與產(chǎn)業(yè)的語言來講解技術(shù)與產(chǎn)業(yè)，而是用新思考、新案例與新論證，多維度、系統(tǒng)性與通俗化地為呈現(xiàn)大數(shù)據(jù)智能化這片生機勃勃且潛力巨大的新大陸。

目前，物聯(lián)網(wǎng)到底是什么這個命題在產(chǎn)業(yè)界還沒有標準答案，本書試圖從技術(shù)角度和產(chǎn)業(yè)角度尋找答案。作為國內(nèi)早的物聯(lián)網(wǎng)領(lǐng)域?qū)�業(yè)組織負責人，作者有機會看到物聯(lián)網(wǎng)行業(yè)的實際發(fā)展情況。本書是作者從工作實際出發(fā)，總結(jié)出來的一些對于物聯(lián)網(wǎng)的理解。希望能夠帶給準備從事物聯(lián)網(wǎng)行業(yè)或者正處在物聯(lián)網(wǎng)行業(yè)中的朋友們一點啟發(fā)。

教材為配合模塊化教學(xué)需要進行組織，內(nèi)容包括“計算機文化基礎(chǔ)”與“大數(shù)據(jù)與人工智能基礎(chǔ)”兩大模塊，其中模塊一主要介紹計算機文化基本知識與計算機操作基本技能，其中嵌入現(xiàn)代企業(yè)文化、管理思想與資源；模塊二主要介紹大數(shù)據(jù)技術(shù)基本概念與人工智能基礎(chǔ)。模塊內(nèi)容相互聯(lián)系也相對獨立。教材結(jié)構(gòu)清晰、層次分明，描述簡潔、易讀。教材適合于普

本書是一本淺顯易懂的機器學(xué)習(xí)入門教材，深入淺出地介紹了機器學(xué)習(xí)的基礎(chǔ)理論、模型與經(jīng)典方法，并適當融入了深度學(xué)習(xí)的前沿知識。全書共9章，主要內(nèi)容包括：機器學(xué)習(xí)概述、回歸模型（線性回歸、多項式回歸、嶺回歸、套索回歸、彈性網(wǎng)絡(luò)、邏輯斯諦回歸、Softmax回歸）、k��*近鄰和k�瞕樹算法、支持向量機、貝葉斯分類器與貝葉斯網(wǎng)絡(luò)

《機器學(xué)習(xí)原理及應(yīng)用》以機器學(xué)習(xí)及其算法為主題，詳細介紹其理論細節(jié)與應(yīng)用方法�！稒C器學(xué)習(xí)原理及應(yīng)用》共19章，分別介紹了機器學(xué)習(xí)概述、線性回歸與*大熵模型、k-近鄰算法、決策樹模型、樸素貝葉斯分類器、支持向量機模型、集成學(xué)習(xí)、EM算法、降維算法、聚類算法、神經(jīng)網(wǎng)絡(luò)模型等基礎(chǔ)模型或算法，以及8個綜合項目實例。《機器學(xué)習(xí)原