本書是一本介紹深度學習的實踐教材,采用的深度學習工具為TensorFlow。本書主要內(nèi)容包括深度學習環(huán)境搭建，數(shù)據(jù)處理與模型加載，圖像處理，圖像增強識別實戰(zhàn)和兩階段目標檢測實戰(zhàn)，單階段目標檢測，實戰(zhàn)文本識別和圖像生成，機器創(chuàng)作，情感分類、翻譯、對話，GAN及其變體的創(chuàng)作，強化學習與遷移學習等。降低了深度學習的門檻。本書

本書系統(tǒng)性地介紹了資產(chǎn)定價和機器學習算法的基礎理論與實踐知識，并以機器學習算法應用于中國股票市場資產(chǎn)收益率預測項目為案例，具體展示了機器學習算法落地應用于中國金融業(yè)界的流程和效果。本書主要內(nèi)容包括資產(chǎn)定價基礎方法、機器學習算法評估知識、線性機器學習模型、回歸樹類機器學習模型、神經(jīng)網(wǎng)絡模型、中國股票市場制度背景、機器學習

本書是一本系統(tǒng)介紹深度學習技術及開源框架PyTorch的入門書。書中通過大量案例介紹了PyTorch的使用方法、神經(jīng)網(wǎng)絡的搭建、常用神經(jīng)網(wǎng)絡（如卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡）的實現(xiàn)，以及實用的深度學習技術，包括遷移學習、對抗生成學習、深度強化學習、圖神經(jīng)網(wǎng)絡等。讀者通過閱讀本書，可以學會構造一個圖像識別器，生成逼真的圖畫

本書全面介紹可解釋人工智能的基礎知識、理論方法和行業(yè)應用。全書分為三部分，共11章。第一部分為第1章，揭示基于數(shù)據(jù)驅(qū)動的人工智能系統(tǒng)決策機制，提出一種基于人機溝通交互場景的可解釋人工智能范式。第二部分為第2～5章，介紹各種可解釋人工智能技術方法，包括貝葉斯方法、基于因果啟發(fā)的穩(wěn)定學習和反事實推理、基于與或圖模型的人機協(xié)

本書是關于神經(jīng)網(wǎng)絡的經(jīng)典教材，完整、詳細地討論了各個主題，且包含了相關的計算機實驗。全書共15章，主要內(nèi)容包括神經(jīng)網(wǎng)絡的定義、Rosenblatt感知器、回歸建模、最小均方算法、多層感知器、核方法和徑向基函數(shù)網(wǎng)絡、支持向量機、正則化理論、主成分分析、自組織映射、信息論學習模型、源于統(tǒng)計力學的隨機方法、動態(tài)規(guī)劃、神經(jīng)動力

本書就區(qū)塊鏈和人工智能這兩項新興技術對整個大會計行業(yè)的泛在影響，刻畫了多個相關領域的應用前沿，包括財務服務、會計、審計、控制、稅收、銀行間結(jié)算、證券投資、創(chuàng)業(yè)管理、文書管理、數(shù)據(jù)管理、戰(zhàn)略、監(jiān)管、咨詢、專業(yè)教育等領域的新動態(tài)以及技術變革對未來發(fā)展的意義。本書分為兩篇。第壹篇為寫給從業(yè)者的定義、概述和信息，包括：前言和引

這是一本寫給青少年看的人工智能科普圖書，目的是幫助小讀者啟蒙科學素養(yǎng)，開闊科學視野，培養(yǎng)科學思維，鍛煉動手能力，讓他們了解人工智能的過去、現(xiàn)在和未來，從而更好地融入人工智能時代。通過閱讀本書，小讀者不僅可以了解到“人工智能的工作方式”，還能一睹很多人工智能發(fā)展的過程和細節(jié)：科學家如何提出問題并想到絕妙的點子；技術如何從

本書旨在利用TensorFlow針對各種現(xiàn)實場景設計深度學習系統(tǒng)，引導讀者實現(xiàn)有趣的深度學習項目。本書涵蓋10個實踐項目，如用目標檢測API標注圖像、利用長短期記憶神經(jīng)網(wǎng)絡（LSTM）預測股票價格、構建和訓練機器翻譯模型、檢測Quora數(shù)據(jù)集中的重復問題等。通過閱讀本書，讀者可以了解如何搭建深度學習的TensorFlo

本書介紹了人工智能和大數(shù)據(jù)涉及的核心概念和模型。書中涉及概念包括監(jiān)督和非監(jiān)督學習、數(shù)據(jù)類型、可視化、線性回歸、邏輯回歸、分類回歸樹、神經(jīng)網(wǎng)絡等。同時，本書理論和實際并重，基于真實的實例和數(shù)據(jù)集，引入了R語言演示實際計算和操作，為讀者展示解決實際問題的代碼，從而讓讀者掌握在實際生活中解決相關問題的方法。 本書適合想要綜合

本書基于C++編寫，旨在帶領讀者動手打造出一個深度學習框架。本書首先介紹C++模板元編程的基礎技術，然后在此基礎上剖析深度學習框架的內(nèi)部結(jié)構，逐一實現(xiàn)深度學習框架中的各個組件和功能，包括基本數(shù)據(jù)結(jié)構、運算與表達模板、基本層、復合層、循環(huán)層、求值與優(yōu)化等，最終打造出一個深度學習框架。本書將深度學習框架與C++模板元編程有