本書以能夠搭建自定義神經(jīng)網(wǎng)絡(luò)為直接目的，以Python為軟件平臺，全面介紹了大眾化的深度學(xué)習(xí)框架——TensorFlow的主要功能、使用方法及其在神經(jīng)網(wǎng)絡(luò)搭建中的具體應(yīng)用。全書內(nèi)容簡潔、通俗易懂、緊密聯(lián)系工程實際，具有良好的可操作性。本書既可作為職業(yè)技術(shù)學(xué)校人工智能相關(guān)專業(yè)的教材，也可供其他學(xué)習(xí)Python的初學(xué)者使用

本書是一本專注于探討如何與AI對話的實用指南，旨在幫助讀者更好地利用AI技術(shù)，特別是OpenAI的ChatGPT。本書結(jié)合了《學(xué)會提問》、《批判性思考》的核心理念，結(jié)合Prompt工程技術(shù)，深入剖析如何與AI進行高效對話。 本書介紹了AI對話的基本概念，包括Prompt工程師這一新興職業(yè)的職責(zé)和前景、AI對話與人類對

隨著深度學(xué)習(xí)、大規(guī)模預(yù)訓(xùn)練模型和生成式人工智能的進展，機器學(xué)習(xí)已成為解決很多工程和科學(xué)問題的**方案。《概率機器學(xué)習(xí)》一書從概率建模和統(tǒng)計推斷的角度系統(tǒng)介紹機器學(xué)習(xí)的基本概念、經(jīng)典算法及前沿進展。主要內(nèi)容包括概率機器學(xué)習(xí)基礎(chǔ)、學(xué)習(xí)理論、概率圖模型、近似概率推斷、高斯過程、深度生成模型、強化學(xué)習(xí)等。全書從實例出發(fā)，由淺入

《機器學(xué)習(xí)與人工智能實戰(zhàn)：基于業(yè)務(wù)場景的工程應(yīng)用》分為兩部分共14章，介紹了如何用Scikit-Learn來構(gòu)建機器學(xué)習(xí)模型以及如何用Keras和TensorFlow來構(gòu)建神經(jīng)網(wǎng)絡(luò)。書中的內(nèi)容和實例基于作者過去幾年在全球各地開設(shè)相關(guān)課程的經(jīng)歷，闡述了如何借助于機器學(xué)習(xí)和深度學(xué)習(xí)來構(gòu)建產(chǎn)品或服務(wù)，從而真正解決現(xiàn)實業(yè)務(wù)場景

《機器學(xué)習(xí)項目交付實戰(zhàn)》將介紹如何從模型和數(shù)據(jù)中獲取**性能，幫助你構(gòu)建穩(wěn)定的數(shù)據(jù)管道。通過高效的可復(fù)用技術(shù)集合，來確保應(yīng)用程序工作流程的順利執(zhí)行，以及提高模型的可維護性�；�于數(shù)十年的良好軟件工程實踐，機器學(xué)習(xí)工程可確保你的機器學(xué)習(xí)系統(tǒng)具有彈性、適應(yīng)性和可執(zhí)行性�！稒C器學(xué)習(xí)項目交付實戰(zhàn)》將介紹設(shè)計、構(gòu)建和交付成功的機器

我國物聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展勢頭強勁，技術(shù)發(fā)展日新月異。大數(shù)據(jù)、人工智能和邊緣計算等技術(shù)在物聯(lián)網(wǎng)平臺上的深度融合，推動了智能物聯(lián)網(wǎng)的快速發(fā)展，接入層是智能物聯(lián)網(wǎng)層次結(jié)構(gòu)中的重要層次。本書力圖體現(xiàn)物聯(lián)網(wǎng)接入技術(shù)在物聯(lián)網(wǎng)中的重要作用。圖文并茂，易讀易懂。本書給出大量示意圖，盡量采用通俗易懂的語言，幫助讀者更好地理解內(nèi)容。內(nèi)容全面，案

粒計算采用模擬人類大腦的認知思維規(guī)律，從而提高解決復(fù)雜問題的效率，已經(jīng)在智能信息處理領(lǐng)域發(fā)揮了重要的作用�！恫淮_定性問題的多粒度建模與決策方法》重點從多粒度的視角研究不確定性問題。從多粒度建模和決策兩個角度出發(fā)，研究多粒度知識空間的結(jié)構(gòu)特征，并在多粒度知識空間的框架下研究不確定性問題的近似描述、粒度優(yōu)化模型、動態(tài)更新模

一本將AI繪畫講透的探秘指南，通過豐富的實踐案例操作，通俗易懂地講述AI繪畫的生成步驟，生動展現(xiàn)了AI繪畫的魔法魅力。從歷史到未來，跨越百年時空；從理論到實踐，講述案例操作；從技術(shù)到哲學(xué)，穿越多個維度；從語言到繪畫，落地實戰(zhàn)演練。AI繪畫的誕生，引發(fā)了奇點降臨，點亮了AGI（通用人工智能），并涉及Prompt、風(fēng)格、技

本書基于PyTorch框架介紹深度學(xué)習(xí)的有關(guān)理論和應(yīng)用,以Python為實現(xiàn)語言。全書共分10章，內(nèi)容包括深度學(xué)習(xí)的概念和發(fā)展過程、感知器、全連接神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、若干經(jīng)典CNN預(yù)訓(xùn)練模型及其遷移方法、深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用案例、循環(huán)神經(jīng)網(wǎng)絡(luò)、基于預(yù)訓(xùn)練模型的自然語言處理、面向模型解釋的深度神經(jīng)網(wǎng)絡(luò)可視化方法、多模

閱讀本書，即使讀者僅掌握高中數(shù)學(xué)知識，也能理解和應(yīng)用強大的機器學(xué)習(xí)技術(shù)！簡單來講，機器學(xué)習(xí)是一套以算法為基礎(chǔ)的數(shù)據(jù)分析技術(shù)，當(dāng)你提供更多數(shù)據(jù)時，算法可反饋更好的結(jié)果。ML支持許多尖端技術(shù)，如推薦系統(tǒng)、面部識別軟件、智能揚聲器，甚至包括自動駕駛汽車。本書不落窠臼，示例豐富，精選的練習(xí)十分有趣，插圖清晰，講解機器學(xué)習(xí)的核心