本書以程序員所熟悉的代碼方式帶領程序員們進入深度學習的世界。所有的理論都有對應的可運行的代碼進行說明。程序員可以通過修改和調試代碼在熟悉的世界里完成向深度學習的轉型。 本書兼顧了Tensorflow和PyTorch這兩大流行的深度學習框架，使讀者同時掌握靜態(tài)計算圖和動態(tài)計算圖這兩大流派，方便讀者跟隨新技術形勢。同時還介

本書包括《探索與爭鳴》雜志自2017年第10期至2018年第7期已發(fā)表的與人工智能相關文章共26篇，內容包括從人工智能本質看未來的發(fā)展、控制的危機與人工智能的未來情境、人工智能與未來社會：三個反思、人工智能技術下對真理和生命的可解釋性、人工智能對認知、思維和行為方式的改變、人工智能：威脅人類文明的科技之火、科技創(chuàng)造必須

深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經(jīng)網(wǎng)絡基礎，包括機器學習問題、淺層機器學習、早期神經(jīng)網(wǎng)絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網(wǎng)絡、循環(huán)和遞歸網(wǎng)絡、表示學

深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經(jīng)網(wǎng)絡基礎，包括機器學習問題、淺層機器學習、早期神經(jīng)網(wǎng)絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網(wǎng)絡、循環(huán)和遞歸網(wǎng)絡、表示學

本書旨在討論人工智能領域未來的發(fā)展方向，即通用人工智能和奇點現(xiàn)象。本書涵蓋了奇點理論提出以來該領域取得的一系列研究進展，剖析了實現(xiàn)通用人工智能所面臨的問題并分析了各種實現(xiàn)途徑。作者不僅展開了天馬行空的想象，思考未來技術，比如意識上傳、飛米技術等如何為通用人工智能提供可行性，還將現(xiàn)有的通用人工智能技術落地，在生物學領域進

本書是一本針對高校學生的絕佳TensorFlow學習教材。作者結合眾多高質量的代碼，生動講解了TensorFlow的底層原理，并從實際應用問題入手，從實踐的角度出發(fā)，通過具體的TensorFlow案例程序介紹常見的模型和應用解決辦法。同時，在教材中還介紹了模型部署和編程過程中所用到的諸多開發(fā)技巧。是學習和掌握人工智能這

本書共4章。第1章介紹了人工智能、機器學習、深度學習、強化學習的基本概念。第2章以Q學習為例，重點介紹了強化學習的原理、算法步驟、代碼實現(xiàn)、代碼運行調試。第3章先對深度學習的幾種常見的類型和原理進行介紹，然后給出了例程和調試方法。第4章以Q學習中運用神經(jīng)網(wǎng)絡為例，介紹了深度強化學習的基本原理和方法，同時也給出了例程和調

本書介紹了深度學習原理與TensorFlow實踐。著重講述了當前學術界和工業(yè)界的深度學習核心知識：機器學習概論、神經(jīng)網(wǎng)絡、深度學習。著重講述了深度學習的實現(xiàn)以及深度學習框架TensorFlow：Python編程基礎、TensorFlow編程基礎、TensorFlow模型、TensorFlow編程實踐、TensorFlo

本書致力于推動人工智能的普及教育，使用通俗易懂的語言深入淺出地介紹了人工智能的相關知識，包括機器學習和深度學習的基本內容，并結合圖像信息處理和自然語言處理兩個典型應用展開闡述，使讀者能快速掌握人工智能的基本概念、基本知識體系和框架，為進一步深入學習打下良好基礎。

本書理論完備，涵蓋主流非深度強化學習算法和深度強化學習算法；實戰(zhàn)性強，基于Python、Gym、TensorFlow2等構建，并有AlphaZero等綜合案例。全書共12章，主要內容如下。 第1章：介紹強化學習的基礎知識與強化學習環(huán)境庫Gym的使用，并給出完整的編程實例。 第2～9章：介紹強化學習的理論知識。以Mark