本書是智能計(jì)算平臺(tái)應(yīng)用開發(fā)高級(jí)教材，主要介紹了智能計(jì)算平臺(tái)搭建、平臺(tái)管理、數(shù)據(jù)管理、應(yīng)用開發(fā)等相關(guān)知識(shí)。全書共9章，內(nèi)容包括智能計(jì)算平臺(tái)應(yīng)用開發(fā)概述、智能計(jì)算高級(jí)環(huán)境、平臺(tái)管理、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理、數(shù)據(jù)備份及恢復(fù)、深度學(xué)習(xí)基礎(chǔ)算法建模、人工智能算法優(yōu)化、人工智能高級(jí)應(yīng)用軟件開發(fā)測(cè)試。

今天的組織形態(tài)和人力資源結(jié)構(gòu)發(fā)生了深刻變化，許多人力資源管理者面對(duì)現(xiàn)實(shí)問(wèn)題束手無(wú)策。本書系統(tǒng)論述了戰(zhàn)略、組織、文化、團(tuán)隊(duì)、工作設(shè)計(jì)、人才配置、績(jī)效和相關(guān)配套制度，顛覆了傳統(tǒng)人力資源管理觀念，一針見(jiàn)血地指出人力資源管理實(shí)踐的痛點(diǎn)和癥結(jié)，告誡今天的企業(yè)管理者要與時(shí)俱進(jìn)，轉(zhuǎn)變角色、升級(jí)認(rèn)知，不可陷入盲目自信和專業(yè)深井，并提出

本書首先簡(jiǎn)要介紹機(jī)器人和機(jī)器人學(xué)的概況，以及機(jī)器人學(xué)的數(shù)學(xué)基礎(chǔ)，然后分別詳細(xì)討論智能機(jī)器人體系結(jié)構(gòu)、智能機(jī)器人中的傳感器、環(huán)境感知與建模、路徑規(guī)劃、機(jī)器人控制、多機(jī)器人協(xié)同，以及智能機(jī)器人的HRI等內(nèi)容。

本書主要介紹研究時(shí)滯動(dòng)力系統(tǒng)分支問(wèn)題的常用方法，基于時(shí)滯非線性系統(tǒng)的分支理論結(jié)合典型實(shí)例，詳細(xì)闡述分支理論的具體運(yùn)用，從理論和數(shù)值模擬上討論了幾類時(shí)滯非線性模型的分支問(wèn)題，包括具有時(shí)滯的雙參數(shù)模型的分支問(wèn)題、具有時(shí)滯的寡頭博弈模型的分支問(wèn)題、具有時(shí)滯的Goodwin基因表達(dá)模型的分支問(wèn)題、具有狀態(tài)依賴時(shí)滯的基因表達(dá)模型

本書共分8章，內(nèi)容包括深度學(xué)習(xí)基礎(chǔ)、深度學(xué)習(xí)框架PyTorch的安裝、PyTorch基礎(chǔ)、線性回歸和邏輯回歸、全連接神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)及生成式對(duì)抗網(wǎng)絡(luò)。本書首先從深度學(xué)習(xí)基礎(chǔ)知識(shí)入手，引領(lǐng)讀者動(dòng)手搭建深度學(xué)習(xí)框架PyTorch，然后在PyTorch框架下實(shí)現(xiàn)深度學(xué)習(xí)中常用的網(wǎng)絡(luò)模型。通過(guò)本書，讀

本書全面系統(tǒng)地講解了機(jī)器學(xué)習(xí)的理論與方法，內(nèi)容主要包括高斯混合模型和EM算法、主題模型、非參數(shù)貝葉斯模型、聚類分析、圖模型、支持向量機(jī)、矩陣分解、深度學(xué)習(xí)及強(qiáng)化學(xué)習(xí)。本書旨在使讀者了解機(jī)器學(xué)習(xí)的發(fā)展，理解和掌握它的基本原理、方法與主要應(yīng)用。本書內(nèi)容豐富，著重機(jī)器學(xué)習(xí)理論的推導(dǎo)與證明，并通過(guò)實(shí)例進(jìn)行方法的分析與比較。同時(shí)

Kittenblock是深圳市小喵科技開發(fā)的一款基于Scratch3.0的圖形化編程軟件。Scratch3.0強(qiáng)調(diào)的是創(chuàng)作與分享，更注重純軟件編程；Kittenblock強(qiáng)調(diào)的是教育與創(chuàng)造屬性，根據(jù)當(dāng)下的教育需求，重點(diǎn)增加人工智能、物聯(lián)網(wǎng)和Python編程，盡可能地滿足教育的系統(tǒng)性和連續(xù)性需求，讓學(xué)生和老師無(wú)須切換多個(gè)

人工智能(ArtificialIntelligence，AI)是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門技術(shù)科學(xué)�！度斯ぶ悄芑�礎(chǔ)與應(yīng)用》以人工智能為主要研究對(duì)象，較全面地介紹人工智能的基本原理、常見(jiàn)算法和應(yīng)用技術(shù)。全書共分為12章，主要內(nèi)容包括緒論、知識(shí)與知識(shí)表示、自動(dòng)推理與專家系統(tǒng)、搜

本書初定五個(gè)章節(jié)，第一章淺層模型部分介紹線性回歸、Logistics回歸、Softmax回歸、廣義線性回歸模型以及機(jī)器學(xué)習(xí)基本概念。第二章介紹深度學(xué)習(xí)模型以及相應(yīng)的正則化技術(shù)。第三章介紹卷積的物理意義、卷積神經(jīng)網(wǎng)絡(luò)及其各種改進(jìn)。第四章介紹反饋神經(jīng)網(wǎng)絡(luò)及其改進(jìn)的長(zhǎng)短期記憶單元。第五章介紹深度強(qiáng)化學(xué)習(xí)，展示深度卷積網(wǎng)絡(luò)如何

《深度學(xué)習(xí)TensorFlow編程實(shí)戰(zhàn)》講述深度學(xué)習(xí)的基本原理，使用TensorFlow實(shí)現(xiàn)涉及的深度學(xué)習(xí)算法。通過(guò)理論學(xué)習(xí)和編程操作，使讀者了解并掌握深度學(xué)習(xí)的原理和TensorFlow編程技能，拉近理論與實(shí)踐的距離。全書共分為10章，主要內(nèi)容包括TensorFlow介紹、TensorFlow文件操作、BP神經(jīng)網(wǎng)絡(luò)原