本書共分8個章節(jié)，內(nèi)容如下：第1章主要介紹人工智能與深度學(xué)習(xí)的產(chǎn)業(yè)背景與百度EasyDL平臺深度學(xué)習(xí)應(yīng)用；第2章介紹深度學(xué)習(xí)所需要安裝的開發(fā)工具及環(huán)境配置；第3章介紹TensorFlow的安裝、張量的基本知識；第4章介紹數(shù)據(jù)集的概念、標(biāo)注工具的使用、數(shù)據(jù)集的制備；第5章介紹神經(jīng)網(wǎng)絡(luò)前向傳播流程，以及激活函數(shù)、初始化函數(shù)

本書深入剖析機器學(xué)習(xí)中的概率思維，從基礎(chǔ)理論出發(fā)，結(jié)合經(jīng)典例子，闡述如何將概率思維巧妙應(yīng)用于機器學(xué)習(xí)算法，幫助讀者理解數(shù)據(jù)背后的規(guī)律與不確定性。除引言外，全書內(nèi)容分為5章，包括貝葉斯定理中的概率思維、樸素貝葉斯算法中的概率思維、極大似然估計和最大后驗估計、貝葉斯網(wǎng)絡(luò)、馬爾可夫鏈和隱馬爾可夫模型。

本書深入剖析機器學(xué)習(xí)中的線性思維和非線性思維，從基礎(chǔ)理論出發(fā)，結(jié)合經(jīng)典例子，闡述如何將線性思維和非線性思維巧妙應(yīng)用于機器學(xué)習(xí)算法，幫助讀者理解數(shù)據(jù)背后的規(guī)律與不確定性。除引言外，全書內(nèi)容分為7章，包括線性回歸中的線性思維、感知機分類中的線性思維、邏輯回歸中的線性思維、支持向量機中的線性思維、核方法、高斯核函數(shù)的非線性映

本書聚焦人工智能處理器硬件設(shè)計的算力瓶頸問題，介紹了神經(jīng)網(wǎng)絡(luò)處理內(nèi)核電路與系統(tǒng)的設(shè)計目標(biāo)、優(yōu)化技術(shù)、評價方式，以及應(yīng)用領(lǐng)域。全書共9章，以人工智能硬件芯片組織架構(gòu)的核心處理單位“卷積神經(jīng)網(wǎng)絡(luò)”在系統(tǒng)架構(gòu)層面的算力性能提升為目標(biāo)，在回顧了CPU、GPU和NPU等深度學(xué)習(xí)硬件處理器的基礎(chǔ)上，重點介紹主流的人工智能處理器的各

跨媒體智能是一門融合了計算機視覺、自然語言處理和機器學(xué)習(xí)等多個領(lǐng)域的交叉學(xué)科，它代表了智能信息處理技術(shù)的前沿方向，對于推動人工智能的發(fā)展具有重要意義。本書是是一本全面介紹跨媒體智能理論、技術(shù)與應(yīng)用的教材，旨在為讀者提供一個系統(tǒng)、深入的學(xué)習(xí)路徑。全書共7章，大致分為3個部分：第一部分(第1-2章)為基礎(chǔ)理論篇，全面闡述了

針對當(dāng)前智能傳感器、人工智能、數(shù)字孿生等的發(fā)展趨勢，本書以智慧地球概述、智慧地球建設(shè)戰(zhàn)略需求、關(guān)鍵技術(shù)、核心支撐技術(shù)、應(yīng)用案例為線索組織寫作，在系統(tǒng)闡述智慧地球概念、內(nèi)涵和剖析智慧地球發(fā)展現(xiàn)狀以及面臨的問題和挑戰(zhàn)的基礎(chǔ)上，依次分析面向行業(yè)的智慧地球建設(shè)戰(zhàn)略需求、智慧地球構(gòu)建關(guān)鍵技術(shù)，以及包括通導(dǎo)遙一體化復(fù)雜環(huán)境智能感知

Sora是一個文本生成視頻工具，本書介紹了Sora在視頻生成領(lǐng)域的巨大潛力。本書共9章，系統(tǒng)講解人工智能的演進(jìn)、Sora的應(yīng)用實踐、Sora深度解析、Sora的挑戰(zhàn)與未來等。本書內(nèi)容全面、圖文并茂、經(jīng)典易懂，既包含Sora的應(yīng)用實踐和挑戰(zhàn)，也涉及其技術(shù)基礎(chǔ)和未來發(fā)展方向。

本書內(nèi)容涵蓋了人工智能與大數(shù)據(jù)的基礎(chǔ)理論與關(guān)鍵技術(shù)、包括商業(yè)應(yīng)用與社會治理的方法、科學(xué)研究智慧城市的建設(shè)等多個領(lǐng)域。本書詳細(xì)介紹了人工智能與大數(shù)據(jù)的基本概念、發(fā)展歷程及未來趨勢，為讀者提供了整體認(rèn)識。同時深入探討了人工智能與大數(shù)據(jù)的基礎(chǔ)理論、融合技術(shù)、商業(yè)實踐等。具體案例和實踐經(jīng)驗。通過案例分析和前沿研究。

本教材面向人工智能應(yīng)用開發(fā)者，緊扣人工智能應(yīng)用開發(fā)需求，在系統(tǒng)介紹人工智能應(yīng)用開發(fā)環(huán)境與平臺的基礎(chǔ)上，對圖像識別、人臉識別、車輛識別、語音識別、語音合成、機器翻譯、聊天機器人等關(guān)鍵模塊予以展開，并在其間穿插目前市場上主流的企業(yè)級人工智能應(yīng)用平臺和典型的場景化應(yīng)用開發(fā)實例，可供廣大人工智能應(yīng)用開發(fā)者借鑒，從而幫助降低人工

本書以函數(shù)逼近論與學(xué)習(xí)理論為主要工具，建立了一個系統(tǒng)的數(shù)學(xué)框架來解釋深度的必要性、深度神經(jīng)網(wǎng)絡(luò)的適用性、數(shù)據(jù)規(guī)模對深度神經(jīng)網(wǎng)絡(luò)的影響、深度選擇問題、網(wǎng)絡(luò)結(jié)構(gòu)選擇問題及過參數(shù)化深度神經(jīng)網(wǎng)絡(luò)的泛化性等現(xiàn)階段深度學(xué)習(xí)亟待解決的核心理論問題。本書的主要目的有三個:其一是期望從學(xué)習(xí)理論的角度給出作者的見解，能為某些方向的學(xué)者解惑