本書共七章,包括人工智能的基本認知、機器學習、專家系統、自然語言理解與處理、智能信息處理、計算機視覺等內容。

本書分四部分介紹深度學習算法模型及相關應用實例。第一部分介紹在深度學習中必備的一些數學和機器學習的基礎知識。第二部分介紹卷積神經網絡、循環(huán)神經網絡、深度強化網絡等經典模型，并對每種模型從原理、結構、優(yōu)化等方面進行論述。第三部分介紹深度學習中常用的優(yōu)化方法及訓練技巧。第四部分結合實踐來介紹深度學習在計算機視覺、模式識別中

本書由院校與企業(yè)聯合編寫，是針對中高職物聯網相關專業(yè)的入門教材，理論結合實際。本書部分內容來自企業(yè)真實案例，并由企業(yè)一線的工程師編寫，理論知識由具有豐富教學經驗的職業(yè)院校專業(yè)教師編寫。本書包括10個單元，主要內容包括：物聯網認知、物聯網體系結構與標準、傳感技術概述、物聯網無線傳輸技術、物聯網安全、物聯網應用、物聯網感知

《深度學習：從Python到TensorFlow應用實戰(zhàn)》全面介紹深度學習中的卷積神經網絡結構、學習原理、代碼實現、API調用等基本知識，重點介紹開發(fā)深度學習應用所需要的Python技術基礎以及TensorFlow深度學習庫，并以文本分類和語音識別為例說明TensorFlow的應用場景。《深度學習：從Python到Te

《人工智能開源硬件與Python編程實踐》是基于機器視覺、語音識別等典型方法的開源硬件及開源算法，利用Python編程工具而設計的創(chuàng)新實踐項目。 《人工智能開源硬件與Python編程實踐》注重推動人工智能新技術的工程實踐，將人工智能教育與創(chuàng)客教育相結合，課程模塊包括顏色形狀檢測、目標跟蹤、邊緣檢測、軌跡跟蹤、人臉檢測

本書作為深度學習工程師初級認證官方教材,將深度學習理論基礎與平臺操作有機結合,從算法到實戰(zhàn),共分6章,第1~4章主要介紹專業(yè)知識,包括數學基礎、Python基礎、機器學習和深度學習等基礎知識;第5章面向工程實戰(zhàn)能力的訓練,介紹深度學習開發(fā)平臺,特別是飛槳開發(fā)平臺的實戰(zhàn)案例;第6章面向業(yè)務理解與實踐能力的提升,介紹深度學

當人們聽說“AI的進化將剝奪人類的就業(yè)機會”時，出于對機器的擔憂和反感，他們就會產生逆反心理，從而造成對AI能力的過高預估；另一方面，當這種過高的期待沒有實現時，人們就會產生對AI的全面否定，如“AI什么也干不了”“到頭來還不是一無是處、毫無意義”。我們該如何澄清關于AI的各種誤解，使企業(yè)能夠從容自如地使用AI？本書作

本書重點講述用于預測性數據分析的*重要的機器學習方法，包括理論概念和實際應用。

本書重點在幫你掌握深度學習所要求的數學原理和編程實戰(zhàn)經驗，使你能快速使用TensorFlow輕松部署產品中的深度學習解決方案，并形成開發(fā)深度學習架構和解決方案時所需的數學理解和直覺。本書提供了豐富的理論和實戰(zhàn)動手經驗，使你可以從零開始掌握深度學習，并能快速部署有價值的深度學習解決方案。本書重點講解了與多個行業(yè)相關的深度

Pytorch是基于python且具備強大GPU加速的張量和動態(tài)神經網絡，更是Python中優(yōu)先的深度學習框架，它使用強大的GPU能力,提供*大的靈活性和速度。本書指導讀者以Pytorch為工具在Python中學習深層強化學習(DQN)。主要內容包括：強化學習概述及分類、強化學習的算法和實施方法、在Pytorch中實施