本書重點講述用于預測性數(shù)據(jù)分析的*重要的機器學習方法，包括理論概念和實際應用。

本書重點在幫你掌握深度學習所要求的數(shù)學原理和編程實戰(zhàn)經(jīng)驗，使你能快速使用TensorFlow輕松部署產(chǎn)品中的深度學習解決方案，并形成開發(fā)深度學習架構和解決方案時所需的數(shù)學理解和直覺。本書提供了豐富的理論和實戰(zhàn)動手經(jīng)驗，使你可以從零開始掌握深度學習，并能快速部署有價值的深度學習解決方案。本書重點講解了與多個行業(yè)相關的深度

Pytorch是基于python且具備強大GPU加速的張量和動態(tài)神經(jīng)網(wǎng)絡，更是Python中優(yōu)先的深度學習框架，它使用強大的GPU能力,提供*大的靈活性和速度。本書指導讀者以Pytorch為工具在Python中學習深層強化學習(DQN)。主要內(nèi)容包括：強化學習概述及分類、強化學習的算法和實施方法、在Pytorch中實施

本書內(nèi)容主要包括機器學習的基本知識、基本學習方法、集成學習方法、深度學習方法和深度強化學習方法等內(nèi)容，將機器學習的經(jīng)典內(nèi)容與深度學習等前沿內(nèi)容有機地結合在一起，形成一套相對完整的知識體系，并在每個章節(jié)穿插相應的應用實例，使得廣大讀者不但能夠較好地掌握機器學習基本理論，而且能夠比較系統(tǒng)地掌握其應用技術，為今后的工作和進一

本書全面介紹神經(jīng)網(wǎng)絡、機器學習和深度學習的基本概念、模型和方法，同時也涉及了深度學習中許多最新進展，附錄中還提供了相關數(shù)學分支的簡要介紹，旨在讓讀者知其然還要知其所以然。

本書針對人工智能技術領域人才培養(yǎng)的需要，從實際應用出發(fā)，以人工智能涉及的“會運動、會看懂、會聽懂、會思考”四方面為主線進行編寫。本書采用理實一體的編寫方式，設置了5個學習情境，分別為認識人工智能、運動系統(tǒng)的設計與應用、視覺識別系統(tǒng)的設計與應用、語音識別系統(tǒng)的設計與應用和認知系統(tǒng)的設計與應用，循序漸進地介紹了人工智能控制

《深度學習導論》講述了前饋神經(jīng)網(wǎng)絡、Tensorflow、卷積神經(jīng)網(wǎng)絡、詞嵌入與循環(huán)神經(jīng)網(wǎng)絡、序列到序列學習、深度強化學習、無監(jiān)督神經(jīng)網(wǎng)絡模型等深度學習領域的基本概念和技術，通過一系列的編程任務，向讀者介紹了熱門的人工智能應用，包括計算機視覺和自然語言處理等。 本書編寫簡明扼要，理論聯(lián)系實踐，每一章都包含習題以及補充閱

本書主要討論在智能經(jīng)濟的浪潮下，人工智能技術與區(qū)塊鏈技術的范式變革與產(chǎn)業(yè)應用，以及如何從數(shù)字經(jīng)濟學視角理解智能經(jīng)濟發(fā)展的商業(yè)邏輯變化和它所帶來的商業(yè)認知升級。全書包括從信息技術到智能經(jīng)濟、區(qū)塊鏈技術應用與場景、人工智能技術應用與場景、智能經(jīng)濟時代的商業(yè)趨勢四部分，共20講內(nèi)容。 本書通過跨學科研究，構建了一整套認知人工

隨著人工智能技術在越來越多的行業(yè)中應用，諸多問題也隨之而來，最主要的問題在于人工智能技術與行業(yè)的結合深度不足。在大多數(shù)情況下，人工智能技術只能解決表層的行業(yè)問題，對于深層的業(yè)務問題賦能不足。當前急需探索人工智能技術與行業(yè)結合的方法與模式。本書結合了筆者構建人工智能產(chǎn)品的實際經(jīng)驗，從人工智能產(chǎn)品流程、行業(yè)能力模型、人工智

本書收錄了《認知物聯(lián)網(wǎng)中基于障礙物感知的機會數(shù)據(jù)傳輸策略》《圖數(shù)據(jù)流上的子圖查詢》《基于類間稀疏結構保持的鑒別回歸方法》《智能導學系統(tǒng)中基于有效非負矩陣分解的學習成績預測》等。