本書根據(jù)當前人工智能RNN深度學習的發(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：基于深度學習的圖像處理的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，易學易用。本書根據(jù)當前人工智能RNN深度學習的發(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深度學習應(yīng)用實戰(zhàn)》是一本使用PythonTensorFlowKeras實現(xiàn)深度學習的入門圖書，全書秉持先圖解、再實現(xiàn)，而后實戰(zhàn)應(yīng)用的精神，帶你實際訓練自己的深度學習模型。其中第1篇詳細介紹了人工智能、機器學習、深度學習基礎(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)邦學習(FederatedLearning)作為一種新興的機器學習技術(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)邦學習的基礎(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)邦機器學習的算法體系,詳細闡述了聯(lián)邦學習中涉及的加密通信模

本書介紹如何構(gòu)建完整的機器學習流水線，從而在生產(chǎn)環(huán)境中準備數(shù)據(jù)以及訓練、驗證、部署和管理機器學習模型。你將了解機器學習流水線的每個環(huán)節(jié)，以及如何利用TensorFlowExtended（TFX）構(gòu)建機器學習流水線。模型的生命周期是一個閉環(huán)，其中包括數(shù)據(jù)讀取、數(shù)據(jù)校驗、數(shù)據(jù)預(yù)處理、模型訓練、模型分析、模型驗證、模型部署、

本書是深度學習領(lǐng)域的入門教材，闡述了深度學習的知識體系，涵蓋人工智能的基礎(chǔ)知識以及深度學習的基本原理、模型、方法和實踐案例，使讀者掌握深度學習的相關(guān)知識，提高以深度學習方法解決實際問題的能力。全書內(nèi)容包括人工智能基礎(chǔ)、機器學習基礎(chǔ)、深度學習主要框架、深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、自編碼器與生成對抗網(wǎng)絡(luò)。 本

本書第4版共10章。第1章敘述人工智能的定義、起源與發(fā)展，歸納了人工智能的研究目標、研究內(nèi)容和核心要素，簡介人工智能的研究和計算方法，列舉出人工智能的研究與應(yīng)用領(lǐng)域，歸納了人工智能對人類經(jīng)濟、社會和文化的影響。第2章主要研究人工智能的知識表示方法，如狀態(tài)空間法、問題歸約法、謂詞邏輯法、語義網(wǎng)絡(luò)法、框架表示、知識圖譜、和

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算等技術(shù)的不斷發(fā)展，許多領(lǐng)域都產(chǎn)生了大量的數(shù)據(jù)。利用機器學習技術(shù)分析海量數(shù)據(jù)，可以從數(shù)據(jù)中發(fā)現(xiàn)隱含的、有價值的規(guī)律和模式，進而用于預(yù)測并采取相應(yīng)動作。在上述背景下，本書從理論、技術(shù)和應(yīng)用三個層面入手，全面講解如何利用機器學習技術(shù)解決實際問題。本書共分26章，內(nèi)容包括機器學習解決問題流程、問題分析

本書是人工智能和機器學習領(lǐng)域?qū)�業(yè)多年實踐的結(jié)晶，深入淺出講解機器學習應(yīng)用和工程實踐，是對機器學習工程實踐和設(shè)計模式的系統(tǒng)回顧。全書分別從項目前的準備，數(shù)據(jù)收集和準備，特征工程，監(jiān)督模型訓練，模型評估，模型服務(wù)、監(jiān)測和維護等方面講解，由淺入深剖析機器學習實踐過程中遇到的問題，幫助讀者快速掌握機器學習工程實踐和設(shè)計模式的基