本書圍繞人工智能技術(shù)應用框架和認知規(guī)律，將“德”與“技”有機結(jié)合，由淺入深從“理念—開發(fā)—數(shù)據(jù)—算法—技術(shù)—產(chǎn)品—行業(yè)—情感”8個認知層面對人工智能技術(shù)進行剖析，構(gòu)建全棧知識體系。本書基于BOPPPS教學方法重構(gòu)教學環(huán)節(jié)，主要分為“導入—學習目標—知識探索—案例體驗—拓展閱讀—本章總結(jié)—學習評價—思考探索”8個環(huán)節(jié)，根

《深度學習模式與實踐》通過介紹**實踐、設計模式和可復制的架構(gòu)，指導讀者的深度學習項目從實驗室走向應用。本書收集并闡明了近十年來真實世界中深度學習最緊密的洞察。讀者將通過每個有趣的例子學習相關(guān)技能，并建立信心�！渡疃葘W習模式與實踐》深入研究了如何構(gòu)建成功的深度學習應用程序。通過將經(jīng)過驗證的模式和實踐應用到自身項目中，讀

量子計算與人工智能的交叉融合，促使量子人工智能的不斷發(fā)展。本書旨在采用對深度學習愛好者友好的方式，構(gòu)建量子人工智能應用。全書共13章，第1章和第2章系統(tǒng)介紹量子計算機發(fā)展脈絡和量子計算編程的基礎(chǔ)知識。第3~7章分別介紹不同的深度學習方法和在這些算法邏輯上構(gòu)建量子啟發(fā)算法的方式，用量子線路中的相位作為神經(jīng)網(wǎng)絡的可學習參數(shù)

本書對人工智能中的關(guān)鍵技術(shù)進行介紹，主要包括計算機視覺、自然語言處理、語音處理、知識表示與推理、專家系統(tǒng)與知識圖譜、問題求解與搜索技術(shù)、機器學習原理、機器學習應用、人工神經(jīng)網(wǎng)絡與深度學習、智能機器人等。本書引領(lǐng)讀者進入人工智能領(lǐng)域，了解人工智能的概念和發(fā)展簡史，理解人工智能的三大流派，并熟悉人工智能的主要研究內(nèi)容和應用

本書側(cè)重于實證維度的經(jīng)濟和金融問題，以及如何用機器學習方法求解這些問題，通過建立相關(guān)模型得出相應的結(jié)論。這包括各種區(qū)分深度學習模型(DNNs、cnn、lstm和DQNs)、生成機器學習模型(gan和VAEs)和基于樹的模型。本書內(nèi)容還涵蓋了經(jīng)濟學和機器學習的經(jīng)驗方法的交叉，包括回歸分析，自然語言處理，和降維。本書的讀者

《細說PyTorch深度學習：理論、算法、模型與編程實現(xiàn)》由業(yè)界專家編撰，采用理論描述加代碼實踐的思路，詳細介紹PyTorch的理論知識及其在深度學習中的應用。全書分為兩篇，共16章。第一篇為基礎(chǔ)知識，主要介紹PyTorch的基本知識、構(gòu)建開發(fā)環(huán)境、卷積網(wǎng)絡、經(jīng)典網(wǎng)絡、模型保存和調(diào)用、網(wǎng)絡可視化、數(shù)據(jù)加載和預處理、數(shù)據(jù)

本書面向廣大數(shù)據(jù)科學與人工智能專業(yè)的學生及初學者，力求通俗易懂、簡潔清晰地呈現(xiàn)學習大數(shù)據(jù)與人工智能需要的基礎(chǔ)數(shù)學知識，助力讀者為進一步學習人工智能打好數(shù)學基礎(chǔ)。全書分為4篇，共19章：微積分篇（第1～5章），主要介紹極限、導數(shù)、極值、多元函數(shù)導數(shù)與極值、梯度下降法等；線性代數(shù)篇（第6～10章），主要介紹向量、矩陣、行列

本書從工業(yè)背景下的機器學習技術(shù)需求出發(fā),詳細討論機器學習的各個分支技術(shù),包括矩陣型分類學習技術(shù)、多視角學習技術(shù)、不平衡數(shù)據(jù)分類學習技術(shù)、集成學習技術(shù)和深度學習技術(shù)等,并在此基礎(chǔ)上,對機器學習相關(guān)的應用系統(tǒng)進行了分析。全書采取理論與實踐并重的方式介紹機器學習技術(shù),在理論層面,力求覆蓋面廣,涵蓋機器學習技術(shù)的所有重要分支;

本書詳細介紹了人工智能的主要概念、技術(shù)和應用等。全書共5章，首先介紹了現(xiàn)階段數(shù)據(jù)標注崗位相關(guān)基礎(chǔ)知識；其次按照數(shù)據(jù)標注任務分類，分別介紹了圖像、視頻、自然語言和音頻數(shù)據(jù)標注方法和標注平臺使用的實用技術(shù)。本書面向高職院校人工智能技術(shù)應用等專業(yè)方向低年級學生及廣大人工智能初學者，書中內(nèi)容緊跟課程思政要求，內(nèi)容由淺入深，事實

本書主要講解分布式機器學習算法和開源框架，讀者既可以從宏觀的設計上了解分布式機器學習的概念和理論，也可以深入核心技術(shù)的細節(jié)設計中，對分布式機器學習形成深刻而直觀的認識，做到學以致用。本書共分為5篇，第1篇是分布式基礎(chǔ)，首先介紹了分布式機器學習的概念、基礎(chǔ)設施，以及機器學習并行化技術(shù)、框架和軟件系統(tǒng)，然后對集合通信和參數(shù)