本書重點(diǎn)講述用于預(yù)測(cè)性數(shù)據(jù)分析的*重要的機(jī)器學(xué)習(xí)方法，包括理論概念和實(shí)際應(yīng)用。

本書重點(diǎn)在幫你掌握深度學(xué)習(xí)所要求的數(shù)學(xué)原理和編程實(shí)戰(zhàn)經(jīng)驗(yàn)，使你能快速使用TensorFlow輕松部署產(chǎn)品中的深度學(xué)習(xí)解決方案，并形成開發(fā)深度學(xué)習(xí)架構(gòu)和解決方案時(shí)所需的數(shù)學(xué)理解和直覺。本書提供了豐富的理論和實(shí)戰(zhàn)動(dòng)手經(jīng)驗(yàn)，使你可以從零開始掌握深度學(xué)習(xí)，并能快速部署有價(jià)值的深度學(xué)習(xí)解決方案。本書重點(diǎn)講解了與多個(gè)行業(yè)相關(guān)的深度

Pytorch是基于python且具備強(qiáng)大GPU加速的張量和動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，更是Python中優(yōu)先的深度學(xué)習(xí)框架，它使用強(qiáng)大的GPU能力,提供*大的靈活性和速度。本書指導(dǎo)讀者以Pytorch為工具在Python中學(xué)習(xí)深層強(qiáng)化學(xué)習(xí)(DQN)。主要內(nèi)容包括：強(qiáng)化學(xué)習(xí)概述及分類、強(qiáng)化學(xué)習(xí)的算法和實(shí)施方法、在Pytorch中實(shí)施

本書內(nèi)容主要包括機(jī)器學(xué)習(xí)的基本知識(shí)、基本學(xué)習(xí)方法、集成學(xué)習(xí)方法、深度學(xué)習(xí)方法和深度強(qiáng)化學(xué)習(xí)方法等內(nèi)容，將機(jī)器學(xué)習(xí)的經(jīng)典內(nèi)容與深度學(xué)習(xí)等前沿內(nèi)容有機(jī)地結(jié)合在一起，形成一套相對(duì)完整的知識(shí)體系，并在每個(gè)章節(jié)穿插相應(yīng)的應(yīng)用實(shí)例，使得廣大讀者不但能夠較好地掌握機(jī)器學(xué)習(xí)基本理論，而且能夠比較系統(tǒng)地掌握其應(yīng)用技術(shù)，為今后的工作和進(jìn)一

本書全面介紹神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基本概念、模型和方法，同時(shí)也涉及了深度學(xué)習(xí)中許多最新進(jìn)展，附錄中還提供了相關(guān)數(shù)學(xué)分支的簡(jiǎn)要介紹，旨在讓讀者知其然還要知其所以然。

本書針對(duì)人工智能技術(shù)領(lǐng)域人才培養(yǎng)的需要，從實(shí)際應(yīng)用出發(fā)，以人工智能涉及的“會(huì)運(yùn)動(dòng)、會(huì)看懂、會(huì)聽懂、會(huì)思考”四方面為主線進(jìn)行編寫。本書采用理實(shí)一體的編寫方式，設(shè)置了5個(gè)學(xué)習(xí)情境，分別為認(rèn)識(shí)人工智能、運(yùn)動(dòng)系統(tǒng)的設(shè)計(jì)與應(yīng)用、視覺識(shí)別系統(tǒng)的設(shè)計(jì)與應(yīng)用、語(yǔ)音識(shí)別系統(tǒng)的設(shè)計(jì)與應(yīng)用和認(rèn)知系統(tǒng)的設(shè)計(jì)與應(yīng)用，循序漸進(jìn)地介紹了人工智能控制

《深度學(xué)習(xí)導(dǎo)論》講述了前饋神經(jīng)網(wǎng)絡(luò)、Tensorflow、卷積神經(jīng)網(wǎng)絡(luò)、詞嵌入與循環(huán)神經(jīng)網(wǎng)絡(luò)、序列到序列學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)、無(wú)監(jiān)督神經(jīng)網(wǎng)絡(luò)模型等深度學(xué)習(xí)領(lǐng)域的基本概念和技術(shù)，通過一系列的編程任務(wù)，向讀者介紹了熱門的人工智能應(yīng)用，包括計(jì)算機(jī)視覺和自然語(yǔ)言處理等。 本書編寫簡(jiǎn)明扼要，理論聯(lián)系實(shí)踐，每一章都包含習(xí)題以及補(bǔ)充閱

本書主要討論在智能經(jīng)濟(jì)的浪潮下，人工智能技術(shù)與區(qū)塊鏈技術(shù)的范式變革與產(chǎn)業(yè)應(yīng)用，以及如何從數(shù)字經(jīng)濟(jì)學(xué)視角理解智能經(jīng)濟(jì)發(fā)展的商業(yè)邏輯變化和它所帶來的商業(yè)認(rèn)知升級(jí)。全書包括從信息技術(shù)到智能經(jīng)濟(jì)、區(qū)塊鏈技術(shù)應(yīng)用與場(chǎng)景、人工智能技術(shù)應(yīng)用與場(chǎng)景、智能經(jīng)濟(jì)時(shí)代的商業(yè)趨勢(shì)四部分，共20講內(nèi)容。 本書通過跨學(xué)科研究，構(gòu)建了一整套認(rèn)知人工

隨著人工智能技術(shù)在越來越多的行業(yè)中應(yīng)用，諸多問題也隨之而來，最主要的問題在于人工智能技術(shù)與行業(yè)的結(jié)合深度不足。在大多數(shù)情況下，人工智能技術(shù)只能解決表層的行業(yè)問題，對(duì)于深層的業(yè)務(wù)問題賦能不足。當(dāng)前急需探索人工智能技術(shù)與行業(yè)結(jié)合的方法與模式。本書結(jié)合了筆者構(gòu)建人工智能產(chǎn)品的實(shí)際經(jīng)驗(yàn)，從人工智能產(chǎn)品流程、行業(yè)能力模型、人工智

本書收錄了《認(rèn)知物聯(lián)網(wǎng)中基于障礙物感知的機(jī)會(huì)數(shù)據(jù)傳輸策略》《圖數(shù)據(jù)流上的子圖查詢》《基于類間稀疏結(jié)構(gòu)保持的鑒別回歸方法》《智能導(dǎo)學(xué)系統(tǒng)中基于有效非負(fù)矩陣分解的學(xué)習(xí)成績(jī)預(yù)測(cè)》等。