本書分為三部分。第1部分將幫助你快速理解從數(shù)據(jù)中學(xué)習(xí)、深度學(xué)習(xí)基本架構(gòu)、如何準備數(shù)據(jù)，以及深度學(xué)習(xí)中經(jīng)常使用的基本概念。第二部分將重點介紹無監(jiān)督學(xué)習(xí)算法。從自編碼器開始，然后轉(zhuǎn)向?qū)訑?shù)更深、規(guī)模更大的神經(jīng)網(wǎng)絡(luò)模型。第三部分介紹監(jiān)督學(xué)習(xí)算法，你將掌握基本和高級深度學(xué)習(xí)模型的實現(xiàn)方法，并能夠?qū)⑦@些模型用于分類、回歸以及從潛在

人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力，正深刻改變?nèi)藗兊纳�產(chǎn)、生活、學(xué)習(xí)方式，推動人類社會迎來人機協(xié)同、跨界融合、共創(chuàng)分享的智能時代。本書以普及人工智能基本知識、培養(yǎng)人工智能基本素養(yǎng)為目標。全書脈絡(luò)清晰，逐次展開，包含大量新穎的教學(xué)案例，技術(shù)內(nèi)容具有專業(yè)性及層次性，應(yīng)用內(nèi)容分類清晰，形象生動。本書由高校教師

通常來說，人工智能（ArtificialIntelligence，AI）是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能的研究領(lǐng)域包括機器人、語音識別、圖像識別、自然語言處理和專家系統(tǒng)等。 機器學(xué)習(xí)就是用算法解析數(shù)據(jù)，不斷學(xué)習(xí)，對世界中發(fā)生的事做出判斷和預(yù)測的一項技術(shù)。生

機器學(xué)習(xí)是人工智能的重要技術(shù)基礎(chǔ)。本書涵蓋了機器學(xué)習(xí)的基礎(chǔ)知識，精選了機器學(xué)習(xí)常用算法，緊密結(jié)合騰訊云培訓(xùn)認證中心的機器學(xué)習(xí)應(yīng)用工程師認證體系，主要包括人工智能與機器學(xué)習(xí)概念、數(shù)學(xué)基礎(chǔ)、編程基礎(chǔ)、數(shù)據(jù)結(jié)構(gòu)與算法、分類算法、回歸算法、無監(jiān)督學(xué)習(xí)算法、數(shù)據(jù)獲取、特征處理、模型選取與調(diào)優(yōu)、模型評估等，并給出了基于騰訊TI�睴

童芯派主控是一款針對人工智能編程教學(xué)設(shè)計的新一代可聯(lián)網(wǎng)微型計算機，專為AIoT與Python教學(xué)而設(shè)計。無論是創(chuàng)新科技應(yīng)用還是編程普及，童芯派都能完美適配“趣”學(xué)習(xí)。本書共分3部分28課，第1部分為神奇百寶箱，主要介紹童芯派主控板自帶的程序運行效果，通過程序的運行體驗錄音功能、音量柱帶來的身邊科技。第2部分為歷險童芯世

本書根據(jù)當前人工智能RNN深度學(xué)習(xí)的發(fā)展成果，具體設(shè)計基于RNN的模型算法，并給出了具體實現(xiàn)，**算法流程及Python代碼實現(xiàn)。其主要內(nèi)容包括：基于深度學(xué)習(xí)的圖像處理的20個案例，基于Python的具體實現(xiàn)，本書圖文并茂，豐富實用，深入淺出，易學(xué)易用。本書根據(jù)當前人工智能RNN深度學(xué)習(xí)的發(fā)展成果，具體設(shè)計基于RNN的

人工智能無疑是近幾年最火的名詞之一。然而，究竟什么是人工智能？為什么說人工智能的**目標是創(chuàng)造“生命”？目前人工智能的硅基生命之路遇到了哪些坎坷？人工智能的未來如何？不可否認的是，許多人了解人工智能是通過科幻電影。那么科幻電影對人工智能起到了怎樣的普及和推動作用？本書將圍繞這些問題，從獨特的視角，為讀者解讀人工智能的秘

《TensorFlow與KerasPython深度學(xué)習(xí)應(yīng)用實戰(zhàn)》是一本使用PythonTensorFlowKeras實現(xiàn)深度學(xué)習(xí)的入門圖書，全書秉持先圖解、再實現(xiàn)，而后實戰(zhàn)應(yīng)用的精神，帶你實際訓(xùn)練自己的深度學(xué)習(xí)模型。其中第1篇詳細介紹了人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)基礎(chǔ)，TensorFlow和Keras開發(fā)環(huán)境的搭建；第

本書英文版出版至今已近20年，但關(guān)于大腦究竟如何工作的問題至今仍無答案，而符號主義（認為大腦是類似于計算機的加工符號的機器）與聯(lián)結(jié)主義（認為大腦是并行運轉(zhuǎn)的大型神經(jīng)網(wǎng)絡(luò)）之間的爭論也從未停息。本書分析了聯(lián)結(jié)主義模型和符號加工模型在計算方面的優(yōu)勢和劣勢，關(guān)注不同聯(lián)結(jié)主義模型之間的差異以及特定模型與符號加工的特定假設(shè)之間的

數(shù)據(jù)孤島問題已經(jīng)成為制約人工智能發(fā)展的主要阻礙。在此背景下,聯(lián)邦學(xué)習(xí)(FederatedLearning)作為一種新興的機器學(xué)習(xí)技術(shù)范式,憑借其突出的隱私保護能力,展示出在諸多業(yè)務(wù)場景中的應(yīng)用價值。本書從聯(lián)邦學(xué)習(xí)的基礎(chǔ)知識出發(fā),深入淺出地介紹了中央服務(wù)器優(yōu)化和聯(lián)邦機器學(xué)習(xí)的算法體系,詳細闡述了聯(lián)邦學(xué)習(xí)中涉及的加密通信模