本書首先闡述了人工智能素養(yǎng)的內(nèi)涵。人工智能素養(yǎng)代表的是一種公民適應(yīng)智能社會的基本能力，包括：能力論，即人工智能素養(yǎng)代表的是一種公民適應(yīng)智能社會的基本能力,即個體適應(yīng)人工智能時代工作、學(xué)習(xí)和生活所需的能力；綜合素質(zhì)論，即人工智能素養(yǎng)象征著一種綜合素質(zhì),不僅包括人工智能相關(guān)的知識和能力,還包括與人工智能技術(shù)使用相關(guān)的態(tài)度和

"《人工智能設(shè)計概論》深入探討了人工智能與藝術(shù)設(shè)計融合的理論與應(yīng)用實踐。本書采用跨學(xué)科視角，深入剖析人工智能在設(shè)計領(lǐng)域的基礎(chǔ)理論與應(yīng)用實踐，揭示了AI賦能設(shè)計創(chuàng)新的內(nèi)在邏輯與實現(xiàn)機制。本書精心編排了6個章節(jié)，不僅涵蓋了AI賦能設(shè)計的基礎(chǔ)知識與前沿技術(shù)，還融入了倫理、社會等多維度的深入分析，全面展現(xiàn)了設(shè)計學(xué)科在智能化浪潮

"隨著深度學(xué)習(xí)相關(guān)技術(shù)的發(fā)展，特別是卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的成熟，深度學(xué)習(xí)已經(jīng)成為多種計算機視覺任務(wù)的常用工具。卷積神經(jīng)網(wǎng)絡(luò)模型由于其強大的表征能力，可以作為一種優(yōu)秀主干模型，但往往以較大的參數(shù)量和計算量為代價。本書從基本架構(gòu)設(shè)計、新式通用組件、模型壓縮方法三個方面著手，試圖普遍地、一般地提升卷積神經(jīng)網(wǎng)絡(luò)的精度和效率。書中介

本書致力于為廣大讀者提供一份深入且實用的指引，旨在闡述如何將ChatGPT技術(shù)高效融入多個行業(yè)及日常生活之中。本書自ChatGPT基礎(chǔ)概念講起，逐步深入至其高級功能與參數(shù)設(shè)定，同時細致解析通過API實現(xiàn)個性化定制的途徑。書中不僅著重于ChatGPT在教育、金融、心理健康、翻譯、辦公自動化等關(guān)鍵領(lǐng)域的應(yīng)用案例，亦旨在激發(fā)

"人工智能（AI）技術(shù)造福了人類,但是如果不恰當(dāng)?shù)亻_發(fā)和使用，反而會傷害人類和社會。針對AI技術(shù)的新特征和新挑戰(zhàn)，本書系統(tǒng)提出并全面介紹“以人為中心人工智能”的理念、方法和應(yīng)用。基于“以人為中心人工智能”的理念，本書系統(tǒng)提出“人智交互”(人�踩斯ぶ悄芙换�)這一跨學(xué)科新領(lǐng)域，定義人智交互的研究對象、方法、關(guān)鍵問題、研究范

機器學(xué)習(xí)是人工智能的重要技術(shù)基礎(chǔ)，涉及的內(nèi)容十分廣泛。本書內(nèi)容涵蓋了機器學(xué)習(xí)的基礎(chǔ)知識，主要包括機器學(xué)習(xí)的概論、統(tǒng)計學(xué)習(xí)基礎(chǔ)、分類、聚類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、支持向量機、進化計算、文本分析等經(jīng)典的機器學(xué)習(xí)理論知識，也包括用于大數(shù)據(jù)機器學(xué)習(xí)的分布式機器學(xué)習(xí)算法、深度學(xué)習(xí)和加強學(xué)習(xí)等高等級內(nèi)容。此外，還介紹了機器學(xué)習(xí)的熱

"本書介紹了現(xiàn)代智能信息處理的多個方面，包括人工智能的發(fā)展歷程，人工智能的應(yīng)用現(xiàn)狀，人工智能相關(guān)的數(shù)學(xué)知識，人工智能方法（監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)、深度學(xué)習(xí)），智能通信信息處理，智能計算機信息處理以及智能生物醫(yī)學(xué)信息處理等�！冬F(xiàn)代智能信息處理》側(cè)重智能信息處理的基本方法，突出結(jié)合實際運用場景展開，展示

本書首先介紹深度學(xué)習(xí)，并與其他機器學(xué)習(xí)模型進行比較，并闡述與TensorFlow互補的用于創(chuàng)建深度學(xué)習(xí)模型的技術(shù)，如Panda、Scikit-Learn和Numpy。隨后介紹有監(jiān)督的深度學(xué)習(xí)模型，并使用單層的多個感知器構(gòu)建淺層神經(jīng)網(wǎng)絡(luò)，使用Tensorflow2.0和KerasAPI創(chuàng)建真實的應(yīng)用程序。隨后是數(shù)據(jù)增強和

"《大模型時代的人工智能基礎(chǔ)與實踐——基于OmniForce的應(yīng)用開發(fā)教程》由京東探索研究院及京東教育聯(lián)袂撰寫，圖文并茂地介紹傳統(tǒng)人工智能和新一代人工智能（基于大模型的通用人工智能技術(shù)），展示人工智能廣闊的應(yīng)用場景。同時，本書介紹新一代人工智能模型OmniForce實訓(xùn)平臺的操作，幫助讀者深入學(xué)習(xí)人工智能理論并輕松創(chuàng)建

"模式識別是人工智能技術(shù)的重要分支，也是實現(xiàn)機器智能的重要手段。本書作為該領(lǐng)域的入門教材，介紹了各類典型的模式識別的理論與方法。全書共10章。第1章為緒論；第2~5章介紹與模式識別相關(guān)的人工智能基礎(chǔ)知識，包括智能Agent、確定性知識表示與推理、搜索策略、智能優(yōu)化算法等；第6章介紹特征提取與選擇方法，應(yīng)用于模式識別中的