本書從人工智能的概念、應(yīng)用和發(fā)展方向?qū)θ斯ぶ悄苓M(jìn)行了初步分析，然后對人工智能的基礎(chǔ)知識(shí)做了闡述，并在此基礎(chǔ)上引出了人工智能的基礎(chǔ)算法原理，然后對智能極端的模糊算法、神經(jīng)計(jì)算和群集智能算法進(jìn)行了分析探索。

本書圍繞人工智能的人才需求與崗位能力進(jìn)行內(nèi)容設(shè)計(jì)，將深度學(xué)習(xí)技術(shù)與實(shí)際應(yīng)用相結(jié)合，旨在幫助讀者全面了解深度學(xué)習(xí)的基本原理、常用模型和優(yōu)化算法，并深入探討在目標(biāo)檢測、圖像識(shí)別、自然語言處理、風(fēng)格遷移等領(lǐng)域的應(yīng)用案例。本書共6個(gè)項(xiàng)目、15個(gè)任務(wù)，主要內(nèi)容包括使用TensorFlow實(shí)現(xiàn)服裝圖像分類、使用TensorFlow

智能科學(xué)與技術(shù)一級(jí)學(xué)科本碩博培養(yǎng)體系

人工智能（AI）已成為世界各地的熱門話題，因?yàn)樗�可以為人類帶來顯著的好處，以及可能隱藏在該技術(shù)中的感知和實(shí)際危險(xiǎn)。在《人工智能風(fēng)險(xiǎn)·回報(bào)·未來》：中，KevinChen用清晰簡單的語言闡述了人工智能的許多方面，詳細(xì)介紹了人工智能如何給世界的運(yùn)作方式帶來深刻的變化。人工智能正在交通、物流、醫(yī)學(xué)

本書從人工智能產(chǎn)業(yè)發(fā)展現(xiàn)狀分析入手，從產(chǎn)業(yè)規(guī)模、產(chǎn)業(yè)鏈、技術(shù)鏈、企業(yè)鏈四個(gè)方面整理人工智能產(chǎn)業(yè)的基礎(chǔ)數(shù)據(jù)；從政治、經(jīng)濟(jì)、社會(huì)和技術(shù)四個(gè)方面分析當(dāng)前人工智能產(chǎn)業(yè)的宏觀發(fā)展環(huán)境，結(jié)合人工智能產(chǎn)業(yè)的發(fā)展歷程，分析人工智能產(chǎn)業(yè)轉(zhuǎn)移的基本規(guī)律和轉(zhuǎn)移趨勢；從創(chuàng)新政策和各省市公共服務(wù)資源兩個(gè)方面揭示人工智能發(fā)展的政策環(huán)境。然后，根據(jù)

本書是一部基于中國當(dāng)代設(shè)計(jì)學(xué)理論體系建構(gòu)，從設(shè)計(jì)治理理論體系視角對人工智能設(shè)計(jì)進(jìn)行全方位研究的專著，亦是一部個(gè)案式研究與建構(gòu)中國式現(xiàn)代化設(shè)計(jì)學(xué)理論體系的專著，是中國當(dāng)代設(shè)計(jì)學(xué)體系建構(gòu)研究成果之一，還是作者近二十年來從事的中國理論創(chuàng)新工程的又一成果。本書從設(shè)計(jì)治理理論體系入手，重點(diǎn)考察和闡釋建構(gòu)中國自主人工智能設(shè)計(jì)治理理

本書是新一代人工智能實(shí)踐系列教材之一，共分為9章，第1章為引論，第2-7章介紹有監(jiān)督學(xué)習(xí)算法，包括感知機(jī)、Logistics回歸、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)決策樹以及貝葉斯模型。第8章介紹無監(jiān)督學(xué)習(xí)算法，第9章討論數(shù)據(jù)的表示和特征降維。本書可作為人工智能專業(yè)、智能科學(xué)與技術(shù)專業(yè)以及計(jì)算機(jī)類相關(guān)專業(yè)的本科生及研究生學(xué)習(xí)機(jī)器學(xué)習(xí)

"本書是計(jì)算機(jī)領(lǐng)域本科教育教學(xué)改革試點(diǎn)工作計(jì)劃（“101計(jì)劃”）系列教材之一。本書按照“厚算法基礎(chǔ)、養(yǎng)倫理意識(shí)、匠工具平臺(tái)、促賦能應(yīng)用”的培養(yǎng)目標(biāo)，以表達(dá)與推理、搜索與優(yōu)化、建模與學(xué)習(xí)和倫理與安全為核心，按照如下內(nèi)容進(jìn)行組織：第1章緒論、第2章知識(shí)表達(dá)與推理、第3章搜索探尋與問題求解、第4章機(jī)器學(xué)習(xí)、第5章神經(jīng)網(wǎng)絡(luò)與深

面對數(shù)字經(jīng)濟(jì)背景下大數(shù)據(jù)分析的現(xiàn)實(shí)需求，本書分別從經(jīng)濟(jì)理論闡述、數(shù)學(xué)原理推導(dǎo)、程序代碼實(shí)現(xiàn)三個(gè)角度，系統(tǒng)全面地闡釋了各類經(jīng)典機(jī)器學(xué)習(xí)模型的理論內(nèi)涵和適用范圍，以及基于Python編程語言進(jìn)行算法訓(xùn)練、模型測試和參數(shù)調(diào)優(yōu)的具體方法。本書配有A、B兩個(gè)附錄，介紹了Python語言基本語法規(guī)則，以及經(jīng)濟(jì)大數(shù)據(jù)分析所涉及的Py

XGBoost是一種經(jīng)過行業(yè)驗(yàn)證的開源軟件庫，為快速高效地處理數(shù)十億數(shù)據(jù)點(diǎn)提供了梯度提升框架。首先，本書在介紹機(jī)器學(xué)習(xí)和XGBoost在scikit-learn中的應(yīng)用后，逐步深入梯度提升背后的理論知識(shí)。讀者將學(xué)習(xí)決策樹，并分析在機(jī)器學(xué)習(xí)環(huán)境中的裝袋技術(shù)，同時(shí)學(xué)習(xí)拓展到XGBoost的超參數(shù)；并將從零開始構(gòu)建梯度提升模