場景化機(jī)器學(xué)習(xí)

《人工智能簡史》全面講述人工智能的發(fā)展史，幾乎覆蓋人工智能學(xué)科的所有領(lǐng)域，包括人工智能的起源、自動定理證明、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、自然語言處理、遺傳算法、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、超級智能、哲學(xué)問題和未來趨勢等，以宏闊的視野和生動的語言，對人工智能進(jìn)行了全面回顧和深度點評。 第2版中每章都有新增內(nèi)容，并增加了全新的第13章，

大部分TensorFlow教材應(yīng)用案例少，理論講解比較概括，學(xué)生數(shù)學(xué)基礎(chǔ)薄弱，對人工神經(jīng)網(wǎng)絡(luò)較難入門。本教材介紹TensorFlow的發(fā)展和特點后，通過案例詳細(xì)介紹TensorFlow的使用，著重細(xì)致地講解學(xué)生學(xué)習(xí)中遇到的難點，比如張量的形狀、卷積、池化、交叉熵等。通過案例讓學(xué)生逐層遞進(jìn)地掌握TensorFlow，最后

本書主要內(nèi)容包括機(jī)器學(xué)習(xí)介紹，NumPy、Pandas、SciPy庫、Matplotlib（可視化）四個基礎(chǔ)模塊，Scikit-learn算法、模型、擬合、過擬合、欠擬合、模型性能度量指標(biāo)、數(shù)據(jù)標(biāo)準(zhǔn)化、非線性轉(zhuǎn)換、離散化，以及特征抽取和降維的各種方法，包括特征哈希、文本特征抽取、特征聚合等。全書通過實用范例和圖解形式講

機(jī)器學(xué)習(xí)是計算機(jī)科學(xué)與人工智能的重要分支領(lǐng)域.本書作為該領(lǐng)域的入門教材，在內(nèi)容上盡可能涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)知識的各方面.全書共16章，大致分為3個部分：第1部分（第1～3章）介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識；第2部分（第4～10章）討論一些經(jīng)典而常用的機(jī)器學(xué)習(xí)方法（決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度

本書從概念和數(shù)學(xué)原理上對人工智能所涉及的數(shù)據(jù)處理常用算法、圖像識別、語音識別、自然語言處理、深度學(xué)習(xí)幾個主要方面進(jìn)行了闡述，并以Python為主要工具進(jìn)行了相應(yīng)的編程實踐，以使讀者對人工智能相關(guān)技術(shù)有更直觀和深入的理解。此外，本書也用幾個獨立的章節(jié)從原理和實踐上介紹了量子計算、區(qū)塊鏈技術(shù)、并行計算、增強(qiáng)現(xiàn)實等與人工智能

人工智能到底是什么？人工智能可以做什么？人工智能未來發(fā)展將面臨什么樣的問題？本書將深入淺出地為你講述人工智能那些事兒，包括人工智能的歷史、人工智能的核心概念與關(guān)鍵技術(shù)、人工智能思維與各類應(yīng)用，以及人工智能未來的發(fā)展趨勢，等等。所有你想了解的，書中可能都會涉及，即使從未接觸過人工智能的人，通過閱讀本書，也能對人工智能有一

類腦人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人腦智能的理論、方法及應(yīng)用的技術(shù)科學(xué)，將類腦人工智能技術(shù)應(yīng)用于目標(biāo)檢測與跟蹤，可大幅提升復(fù)雜背景、干擾條件下的目標(biāo)檢測概率及跟蹤精度，具有重要而廣泛的應(yīng)用前景。本書系統(tǒng)闡述了人腦視覺信息處理機(jī)制的基本原理、主要特性、數(shù)學(xué)建模及算法設(shè)計等。同時，結(jié)合深度神經(jīng)網(wǎng)絡(luò)（DNN）、類腦

本書的目標(biāo)，是讓非機(jī)器學(xué)習(xí)領(lǐng)域甚至非計算機(jī)專業(yè)出身但有學(xué)習(xí)需求的人，輕松地掌握機(jī)器學(xué)習(xí)的基本知識，從而擁有相關(guān)的實戰(zhàn)能力。本書通過AI“小白”小冰拜師程序員咖哥學(xué)習(xí)機(jī)器學(xué)習(xí)的對話展開，內(nèi)容輕松，實戰(zhàn)性強(qiáng)，主要包括機(jī)器學(xué)習(xí)快速上手路徑、數(shù)學(xué)和Python基礎(chǔ)知識、機(jī)器學(xué)習(xí)基礎(chǔ)算法（線性回歸和邏輯回歸）、深度神經(jīng)網(wǎng)絡(luò)、卷積

本書從人工智能技術(shù)與先進(jìn)制造技術(shù)融合的角度，介紹了人工智能技術(shù)在產(chǎn)品設(shè)計與制造中的應(yīng)用，也就是智能制造技術(shù)，著重介紹了定性立體建模和不確定性多學(xué)科設(shè)計優(yōu)化等智能設(shè)計技術(shù)、設(shè)計理性知識建模和復(fù)雜產(chǎn)品研制工程知識管理等知識工程與管理技術(shù)，以及智能裝配序列規(guī)劃和制造過程智能計算等智能生產(chǎn)與制造技術(shù)，并結(jié)合具體示例介紹了相關(guān)技

本書在介紹人機(jī)交互基本概念和發(fā)展?fàn)顩r的基礎(chǔ)上，詳細(xì)討論了智能人機(jī)交互基礎(chǔ)理論、生理計算與交互、手勢理解與交互、草圖計算與交互、情感計算與交互、言語計算與交互、智能仿真與交互、交互式機(jī)器學(xué)習(xí)等內(nèi)容。

本書系統(tǒng)地描述了深度學(xué)習(xí)的基本理論算法及應(yīng)用。全書共14章，第1~3章論述了數(shù)學(xué)基礎(chǔ)、機(jī)器學(xué)習(xí)基礎(chǔ)和深度學(xué)習(xí)基礎(chǔ)；第4~7章介紹了一些經(jīng)典網(wǎng)絡(luò)及計算機(jī)視覺領(lǐng)域中常用的CNN、RNN、GAN等網(wǎng)絡(luò)結(jié)構(gòu)技術(shù)；第8~9章介紹了深度學(xué)習(xí)在計算機(jī)視覺領(lǐng)域的目標(biāo)檢測及圖像分割兩大應(yīng)用；第10~14章介紹了計算機(jī)視覺領(lǐng)域主要的優(yōu)化方

本書介紹了應(yīng)用智能運(yùn)維系統(tǒng)建設(shè)涉及的技術(shù)、工具、流程、方法，系統(tǒng)地總結(jié)了應(yīng)用智能運(yùn)維系統(tǒng)的演進(jìn)過程，對比了市場主流的應(yīng)用運(yùn)維產(chǎn)品，分析了關(guān)鍵智能化應(yīng)用運(yùn)維技術(shù)、相關(guān)開源軟件工具的能力和真實行業(yè)用戶建設(shè)案例。另外，本書通過提煉、總結(jié)大量不同行業(yè)用戶建設(shè)應(yīng)用智能運(yùn)維系統(tǒng)的典型應(yīng)用場景，全面透徹地介紹了相關(guān)項目的規(guī)劃、開發(fā)、

本書力圖從政策、技術(shù)、產(chǎn)業(yè)、應(yīng)用四個維度，全面闡述全球人工智能發(fā)展的競爭格局、創(chuàng)新態(tài)勢、產(chǎn)業(yè)體系、行業(yè)應(yīng)用與趨勢走向，系統(tǒng)介紹人工智能如何賦能并改變?nèi)藗兩�產(chǎn)生活的方方面面，進(jìn)而成為人類社會必不可少的新型基礎(chǔ)設(shè)施。本書即可以作為政策制定者、行業(yè)研究人員、人工智能相關(guān)專業(yè)人員的參考讀物，又可作為廣大科技愛好者、大中小學(xué)生的

據(jù)聯(lián)合國預(yù)測，2050年全球?qū)⑦_(dá)到100億人口。本書認(rèn)為，地球養(yǎng)活100億人口是一個巨大的挑戰(zhàn)，人類將面臨“FEW”困境�！癋EW”是食物(Food)、能源(Energy)、水(Water)三個英文單詞的首字母縮寫，是人類生存與發(fā)展不可或缺的基礎(chǔ)性資源。然而，隨著地球上人口的增長，食物安全、淡水資源短缺、化石能源枯竭等

語言智能處理一直是人工智能領(lǐng)域的重要研究方向之一。本書按照研究歷程與現(xiàn)狀、關(guān)鍵技術(shù)與方法、發(fā)展趨勢與展望的基本脈絡(luò)，重點介紹了語言智能處理中的語言模型與知識表示、語言分析技術(shù)、語言情感分類、自然語言生成技術(shù)、自動問答與人機(jī)對話、機(jī)器翻譯、信息檢索與信息推薦等主題。本書所描述的內(nèi)容涉及人們?nèi)粘Ｉ�活中的真實�?yīng)用場景，理論與

隨著人工智能技術(shù)的發(fā)展以及移動學(xué)習(xí)的應(yīng)用普及，移動學(xué)習(xí)服務(wù)研究不斷深入。本書以人工智能時代為背景，以人工智能與教育深度融合理念為指導(dǎo)，以移動學(xué)習(xí)智能服務(wù)應(yīng)用需求為目標(biāo)，探索人工智能時代移動學(xué)習(xí)服務(wù)體系以及實現(xiàn)策略，主要內(nèi)容包括移動學(xué)習(xí)智能服務(wù)體系設(shè)計、移動學(xué)習(xí)行為影響因素分析、移動學(xué)習(xí)資源設(shè)計服務(wù)、移動學(xué)習(xí)個性化資源推

本書采用技術(shù)分析與場景描述相結(jié)合的模式，圍繞物聯(lián)網(wǎng)體系結(jié)構(gòu)、關(guān)鍵技術(shù)和安全防控等方面進(jìn)行系統(tǒng)的介紹。本書主要包括物聯(lián)網(wǎng)概述、物聯(lián)網(wǎng)基礎(chǔ)知識、物聯(lián)網(wǎng)數(shù)據(jù)服務(wù)、場景角度的IoT安全、技術(shù)角度的IoT安全、物聯(lián)網(wǎng)流量安全、區(qū)塊鏈與物聯(lián)網(wǎng)安全七部分內(nèi)容。

增強(qiáng)現(xiàn)實（AR）作為虛擬現(xiàn)實的一個技術(shù)延伸，是虛擬與現(xiàn)實的連接入口，是一種實時計算攝像機(jī)捕捉到的現(xiàn)實影像的位置及角度并加上相應(yīng)虛擬信息的技術(shù)。伴隨著AR技術(shù)迅速發(fā)展的是其3D實感攝像設(shè)備的快速更新。將這些3D實感攝像設(shè)備結(jié)合物聯(lián)網(wǎng)技術(shù)可廣泛應(yīng)用于導(dǎo)航與定位、遠(yuǎn)程醫(yī)療、智能家居控制等多種領(lǐng)域。本書從系統(tǒng)設(shè)計的角度出發(fā)，由

本書全面系統(tǒng)地講解了深度學(xué)習(xí)相關(guān)的知識。全書共8章，內(nèi)容包括深度學(xué)習(xí)簡介及TensorFlow安裝，神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)的TensorFlow實現(xiàn)、卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)（上）、經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)（下）、深度學(xué)習(xí)用于文本序列和深度學(xué)習(xí)實驗項目等內(nèi)容。 本書以知識體系為基礎(chǔ)，以課堂案例為載體，采取理論與實踐相