全書分為7個(gè)章節(jié)。第1章緒論，梳理了人工智能不同技術(shù)流派的特點(diǎn)、深度學(xué)習(xí)的發(fā)展及前沿技術(shù)；第2章介紹相關(guān)預(yù)備知識，包括線性代數(shù)、概率論、優(yōu)化理論以及機(jī)器學(xué)習(xí)的基礎(chǔ)知識；第3章從前饋神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)模型——感知器出發(fā)，介紹前饋神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)以及涉及的激活函數(shù)、梯度下降、反向傳播等內(nèi)容；第4章，介紹深度模型的優(yōu)化問題，討

本書總體目標(biāo)是介紹智能群體博弈對抗與合作理論的現(xiàn)狀、發(fā)展趨勢以及重要應(yīng)用，為讀者在人工智能、演化博弈、集群系統(tǒng)等領(lǐng)域中開展跨學(xué)科研究和技術(shù)開發(fā)提供理論參考。全書共分9章，特色內(nèi)容包括演化博弈基礎(chǔ)理論概述、任務(wù)分配問題、懶惰個(gè)體對任務(wù)分配博弈動力學(xué)的影響、孤立者對群體公共品博弈動力學(xué)的影響、懲罰者對群體博弈動力學(xué)的影響、

本書先概述生成式人工智能所涉及的技術(shù)和工具，幫助你了解如何訓(xùn)練模型以生成新數(shù)據(jù)；接著展示如何用ChatGPT提高營銷、科研和軟件開發(fā)等相關(guān)工作的生產(chǎn)力和創(chuàng)造力；隨后介紹如何通過改進(jìn)提示設(shè)計(jì)從與ChatGPT的交互中獲得好的效果，以及如何在企業(yè)級場景中使用OpenAI模型。 通過閱讀本書，你可以了解生成式人工智能的相關(guān)概

Machinelearning,asthemostimportanttechnologyandtoolinartificialintelligence,hasbeensuccessfullyappliedinsolvingvariouscomplexproblems.Afterabriefintroductiontot

機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)

本書包含六大部分：第一部分主要介紹深度學(xué)習(xí)Python語言的基礎(chǔ)知識，講述Python基本語法（輸入、輸出、數(shù)據(jù)類型、流程控制、函數(shù)、文件和目錄）、數(shù)組計(jì)算（NumPy庫）、繪圖庫（Matplotlib庫）等；第二部分主要介紹Keras編程基礎(chǔ)，以及?Keras?中提供的大量的深度學(xué)習(xí)API；第三部分主要介紹數(shù)據(jù)處理方

隨著ChatGPT的出現(xiàn)，大語言模型的能力得到了業(yè)內(nèi)外的認(rèn)可，新的商業(yè)模式不斷涌現(xiàn)，舊的設(shè)計(jì)和實(shí)現(xiàn)都將重構(gòu)。本書主要介紹基于ChatGPT開發(fā)算法相關(guān)的應(yīng)用或服務(wù)，側(cè)重于介紹與自然語言處理相關(guān)的常見任務(wù)和應(yīng)用，以及如何使用類似ChatGPT的大語言模型服務(wù)來實(shí)現(xiàn)以前只有算法工程師才能完成的工作。 全書共8

本書是一本關(guān)于生成式預(yù)訓(xùn)練人工智能語言模型的綜合性圖書，涵蓋了其在創(chuàng)建創(chuàng)新NLP產(chǎn)品方面的意義、功能和應(yīng)用。本書提供了如何輕松使用OpenAIAPI的全面指南，探索了根據(jù)用戶的具體需求使用該工具的方法，并展示了基于GPT-3的成功企業(yè)案例。本書分為兩個(gè)部分，第一部分側(cè)重于介紹OpenAIAPI的基礎(chǔ)知識。第二部分著重研

全書共11章，以下是各章的主要內(nèi)容： 第1章：主要講解Python編程環(huán)境的搭建方法及Python語言的基礎(chǔ)語法知識等內(nèi)容。 第2章：主要講解AI工具的基本使用方法，以及如何在爬蟲編程中利用AI工具解決技術(shù)難題和提高開發(fā)效率。 第3章：主要講解如何對網(wǎng)頁進(jìn)行初步分析，包括查看網(wǎng)頁源代碼、剖析網(wǎng)頁的結(jié)構(gòu)、判斷網(wǎng)頁的類型等

深度學(xué)習(xí)是一門注重應(yīng)用的學(xué)科。了解深度學(xué)習(xí)背后的數(shù)學(xué)原理的人，可以在應(yīng)用深度學(xué)習(xí)解決實(shí)際問題時(shí)游刃有余。本書通過Python代碼示例來講解深度學(xué)習(xí)背后的關(guān)鍵數(shù)學(xué)知識，包括概率論、統(tǒng)計(jì)學(xué)、線性代數(shù)、微分等，并進(jìn)一步解釋神經(jīng)網(wǎng)絡(luò)、反向傳播、梯度下降等深度學(xué)習(xí)領(lǐng)域關(guān)鍵知識背后的原理。 本書適合有一定深度學(xué)習(xí)基礎(chǔ)、了解Pyho