主要內(nèi)容：深度學習的基礎科學原理，自行設計和訓練神經(jīng)網(wǎng)絡，隱私保護的知識，包括聯(lián)邦學習，幫助你繼續(xù)深度學習之旅的建議。

本書介紹了人工智能和大數(shù)據(jù)的技術(shù)發(fā)展及相關(guān)應用領域。全書共分為4章：第1章智能的含義，第2章數(shù)字學習，第3章算法的統(tǒng)治，第4章人工智能的用途。書中主要內(nèi)容包括智能的定義、商業(yè)智能、人工智能、商業(yè)智能的發(fā)展歷史、學習的定義、數(shù)字學習、大數(shù)據(jù)和物聯(lián)網(wǎng)的影響、基于大數(shù)據(jù)的人工智能、監(jiān)督學習和無監(jiān)督學習、算法的定義、AI簡史、

本書介紹了與AI相關(guān)的理論知識，例如，AI的核心、AI的3個發(fā)展階段、AI的科技支撐點等。為了增強本書的全面性和系統(tǒng)性，也為了向大家多傳授一些干貨，本書將重點放在了AI在各行各業(yè)、各個領域的商業(yè)化落地項目上。值得注意的是，本書添加了很多代表性案例，希望為讀者提供實實在在的幫助�？梢哉f，在“AI+商業(yè)”方面，本書既具有實

本書從區(qū)塊鏈的四個核心前沿技術(shù)--分布式賬本、加密技術(shù)、共識機制和智能合約技術(shù)入手，重點介紹公有鏈、聯(lián)盟鏈和私有鏈上的共識機制，描述其中使用的去中心化算法，包括PoW（工作量證明），PoS（權(quán)益證明），DPoS（股份授權(quán)證明），Ripple共識，PBFT（實用拜占庭容錯）和PoV（投票證明）等，并具體分析了每個算

粒計算是目前人工智能領域內(nèi)廣為關(guān)注的研究課題，本書旨在為初學者提供學習粒計算理論與方法的基本指導。模糊集、粗糙集和概念格是粒計算的三種主要的方法，本書把這三種方法有機地結(jié)合成為一個粒計算的基本理論框架，主要包括：1）模糊集理論，2）粗糙集理論，3）概念格理論。

隨著計算機技術(shù)迅猛地發(fā)展，人工智能與機器學習已經(jīng)滲透到我們?nèi)粘Ｉ�活的各個領域。為此，中國人民大學專門為全校財經(jīng)和人文專業(yè)的學生開設了“人工智能與機器學習”課程，本書的所有作者都參與了該門課程的教學實踐，相互配合，總結(jié)教學經(jīng)驗，共同打磨而成《人工智能與機器學習》一書。書中通過豐富現(xiàn)實案例的詳細講解，引導學生了解各種機器學

作為一個崛起中的新興力量，人工智能不僅僅是一種技術(shù)，它的發(fā)展除了在科學和產(chǎn)業(yè)發(fā)展領域產(chǎn)生影響之外，還將對現(xiàn)行人類的社會規(guī)范、生活模式產(chǎn)生非常深遠的影響。隨著第三次人工智能潮的到來，人們對人工智能及其未來的發(fā)展充滿強烈的興趣和諸多的疑問——什么是人工智能？人工智能對人類生活會有哪些深遠影響？我們又能通過人工智能實現(xiàn)什么樣

《深度學習之PyTorch物體檢測實戰(zhàn)》從概念、發(fā)展、經(jīng)典實現(xiàn)方法等幾個方面系統(tǒng)地介紹了物體檢測的相關(guān)知識，重點介紹了FasterRCNN、SDD和YOLO這三個經(jīng)典的檢測器，并利用PyTorch框架從代碼角度進行了細致講解。另外，《深度學習之PyTorch物體檢測實戰(zhàn)》進一步介紹了物體檢測的輕量化網(wǎng)絡、細節(jié)處理、難點

本書主要闡述人工智能的基本原理、方法和應用技術(shù)。全書共13章，除第1章討論人工智能基本概念、第13章討論人工智能的爭論與展望外，其余11章按照“基本智能+典型應用+計算智能”三個模塊編排內(nèi)容。第一個模塊為人工智能經(jīng)典的三大技術(shù)，分別為知識表示技術(shù)、搜索技術(shù)和推理技術(shù)，主要包括知識表示、確定性推理、搜索策略、不確定性推理

本書屬于大數(shù)據(jù)與人工智能方面的著作，由大數(shù)據(jù)與人工智能的基本認識、第三章大數(shù)據(jù)技術(shù)與數(shù)據(jù)處理、數(shù)據(jù)挖掘、深度學習、機器學習和大數(shù)據(jù)與人工智能在各領域應用與案例分析等部分組成，全書以大數(shù)據(jù)與人工智能為研究對象，分析當前背景下大數(shù)據(jù)與人工智能在各行各業(yè)的應用，闡述大數(shù)據(jù)與人工智能理論，并進行深入研究為科學技術(shù)和經(jīng)濟社會的發(fā)