本書(shū)對(duì)人工智能中的關(guān)鍵技術(shù)進(jìn)行介紹，主要包括計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、語(yǔ)音處理、知識(shí)表示與推理、專(zhuān)家系統(tǒng)與知識(shí)圖譜、問(wèn)題求解與搜索技術(shù)、機(jī)器學(xué)習(xí)原理、機(jī)器學(xué)習(xí)應(yīng)用、人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、智能機(jī)器人等。本書(shū)引領(lǐng)讀者進(jìn)入人工智能領(lǐng)域，了解人工智能的概念和發(fā)展簡(jiǎn)史，理解人工智能的三大流派，并熟悉人工智能的主要研究?jī)?nèi)容和應(yīng)用

本書(shū)側(cè)重于實(shí)證維度的經(jīng)濟(jì)和金融問(wèn)題，以及如何用機(jī)器學(xué)習(xí)方法求解這些問(wèn)題，通過(guò)建立相關(guān)模型得出相應(yīng)的結(jié)論。這包括各種區(qū)分深度學(xué)習(xí)模型(DNNs、cnn、lstm和DQNs)、生成機(jī)器學(xué)習(xí)模型(gan和VAEs)和基于樹(shù)的模型。本書(shū)內(nèi)容還涵蓋了經(jīng)濟(jì)學(xué)和機(jī)器學(xué)習(xí)的經(jīng)驗(yàn)方法的交叉，包括回歸分析，自然語(yǔ)言處理，和降維。本書(shū)的讀者

《細(xì)說(shuō)PyTorch深度學(xué)習(xí)：理論、算法、模型與編程實(shí)現(xiàn)》由業(yè)界專(zhuān)家編撰，采用理論描述加代碼實(shí)踐的思路，詳細(xì)介紹PyTorch的理論知識(shí)及其在深度學(xué)習(xí)中的應(yīng)用。全書(shū)分為兩篇，共16章。第一篇為基礎(chǔ)知識(shí)，主要介紹PyTorch的基本知識(shí)、構(gòu)建開(kāi)發(fā)環(huán)境、卷積網(wǎng)絡(luò)、經(jīng)典網(wǎng)絡(luò)、模型保存和調(diào)用、網(wǎng)絡(luò)可視化、數(shù)據(jù)加載和預(yù)處理、數(shù)據(jù)

本書(shū)面向廣大數(shù)據(jù)科學(xué)與人工智能專(zhuān)業(yè)的學(xué)生及初學(xué)者，力求通俗易懂、簡(jiǎn)潔清晰地呈現(xiàn)學(xué)習(xí)大數(shù)據(jù)與人工智能需要的基礎(chǔ)數(shù)學(xué)知識(shí)，助力讀者為進(jìn)一步學(xué)習(xí)人工智能打好數(shù)學(xué)基礎(chǔ)。全書(shū)分為4篇，共19章：微積分篇（第1～5章），主要介紹極限、導(dǎo)數(shù)、極值、多元函數(shù)導(dǎo)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(shū)從工業(yè)背景下的機(jī)器學(xué)習(xí)技術(shù)需求出發(fā),詳細(xì)討論機(jī)器學(xué)習(xí)的各個(gè)分支技術(shù),包括矩陣型分類(lèi)學(xué)習(xí)技術(shù)、多視角學(xué)習(xí)技術(shù)、不平衡數(shù)據(jù)分類(lèi)學(xué)習(xí)技術(shù)、集成學(xué)習(xí)技術(shù)和深度學(xué)習(xí)技術(shù)等,并在此基礎(chǔ)上,對(duì)機(jī)器學(xué)習(xí)相關(guān)的應(yīng)用系統(tǒng)進(jìn)行了分析。全書(shū)采取理論與實(shí)踐并重的方式介紹機(jī)器學(xué)習(xí)技術(shù),在理論層面,力求覆蓋面廣,涵蓋機(jī)器學(xué)習(xí)技術(shù)的所有重要分支;

本書(shū)是一本適合理工科大學(xué)的控制論教材。全書(shū)共8章,包括控制工程的基本概念、拉普拉斯變換、系統(tǒng)的數(shù)學(xué)模型、系統(tǒng)時(shí)域響應(yīng)分析、系統(tǒng)頻率特性分析、控制系統(tǒng)設(shè)計(jì)與矯正方法和離散系統(tǒng)的基本知識(shí)等內(nèi)容。在敘述過(guò)程注重經(jīng)典控制理論的知識(shí)性、系統(tǒng)性和連貫性,講清概念,并配備了較多例題講解分析和習(xí)題練習(xí);在內(nèi)容論述中與現(xiàn)代計(jì)算機(jī)仿真技術(shù)

本書(shū)詳細(xì)介紹了人工智能的主要概念、技術(shù)和應(yīng)用等。全書(shū)共5章，首先介紹了現(xiàn)階段數(shù)據(jù)標(biāo)注崗位相關(guān)基礎(chǔ)知識(shí)；其次按照數(shù)據(jù)標(biāo)注任務(wù)分類(lèi)，分別介紹了圖像、視頻、自然語(yǔ)言和音頻數(shù)據(jù)標(biāo)注方法和標(biāo)注平臺(tái)使用的實(shí)用技術(shù)。本書(shū)面向高職院校人工智能技術(shù)應(yīng)用等專(zhuān)業(yè)方向低年級(jí)學(xué)生及廣大人工智能初學(xué)者，書(shū)中內(nèi)容緊跟課程思政要求，內(nèi)容由淺入深，事實(shí)

本書(shū)主要講解分布式機(jī)器學(xué)習(xí)算法和開(kāi)源框架，讀者既可以從宏觀的設(shè)計(jì)上了解分布式機(jī)器學(xué)習(xí)的概念和理論，也可以深入核心技術(shù)的細(xì)節(jié)設(shè)計(jì)中，對(duì)分布式機(jī)器學(xué)習(xí)形成深刻而直觀的認(rèn)識(shí)，做到學(xué)以致用。本書(shū)共分為5篇，第1篇是分布式基礎(chǔ)，首先介紹了分布式機(jī)器學(xué)習(xí)的概念、基礎(chǔ)設(shè)施，以及機(jī)器學(xué)習(xí)并行化技術(shù)、框架和軟件系統(tǒng)，然后對(duì)集合通信和參數(shù)

本書(shū)重點(diǎn)講解基于云平臺(tái)的超參數(shù)優(yōu)化、神經(jīng)構(gòu)架搜索以及算法選擇等內(nèi)容，是自動(dòng)機(jī)器學(xué)習(xí)的基本任務(wù)。介紹了基于三個(gè)主要云服務(wù)提供商（包括MicrosoftAzure、AmazonWebServices(AWS)和GoogleCloudPlatform）進(jìn)行AutoML，同時(shí)部署ML模型和管道，具有較強(qiáng)的實(shí)用性。在應(yīng)用場(chǎng)景中評(píng)

本書(shū)主要介紹深度學(xué)習(xí)項(xiàng)目化技術(shù)和分析應(yīng)用，涵蓋初級(jí)視覺(jué)領(lǐng)域的智能分析應(yīng)用和高級(jí)視覺(jué)領(lǐng)域的智能分析應(yīng)用，在初級(jí)人工智能分析技術(shù)中介紹了人工智能的發(fā)展，從知識(shí)入手，講解人工智能的由來(lái)，同時(shí)介紹了人工智能學(xué)習(xí)的框架以及目標(biāo)訓(xùn)練的技術(shù)。