本書從強化學習的基礎(chǔ)知識出發(fā)，結(jié)合PyTorch深度學習框架，介紹深度強化學習算法各種模型的相關(guān)算法原理和基于PyTorch的代碼實現(xiàn)。作為一本介紹深度強化學習知識的相關(guān)圖書，本書介紹了常用的強化學習環(huán)境，基于價值網(wǎng)絡(luò)的強化學習算法和基于策略梯度的強化學習算法，以及一些常用的比較流行的深度強化學習算法（如蒙特卡洛樹搜索

強化學習作為機器學習及人工智能領(lǐng)域的一種重要方法，在游戲、自動駕駛、機器人路線規(guī)劃等領(lǐng)域得到了廣泛的應(yīng)用。 本書結(jié)合了李宏毅老師的“深度強化學習”、周博磊老師的“強化學習綱要”、李科澆老師的“世界冠軍帶你從零實踐強化學習”公開課的精華內(nèi)容，在理論嚴謹?shù)幕�礎(chǔ)上深入淺出地介紹馬爾可夫決策過程、蒙特卡洛方法、時序差分方法、

本書聚焦信息科學、生命科學、新能源、新材料等為代表的高科技領(lǐng)域，以及物理、化學、數(shù)學等基礎(chǔ)科學的進展與新興技術(shù)的交叉融合，其中70%的內(nèi)容來源于IEEE計算機協(xié)會相關(guān)刊物內(nèi)容的全文翻譯，另外30%的內(nèi)容由SteerTech和iCANXTalks上的國際知名科學家的學術(shù)報告、報道以及相關(guān)活動內(nèi)容組成。本書將以創(chuàng)新的方式宣

本書第1章介紹聯(lián)邦學習的發(fā)展背景和歷程，以及金融業(yè)中數(shù)據(jù)共享的機遇和挑戰(zhàn)。第2-5章介紹不同類型的機器學習方法在聯(lián)邦學習模式下的實現(xiàn)，以及關(guān)鍵算法原理。第6章介紹聯(lián)邦學習開源框架FATE的架構(gòu)和部署，以及在金融控股集團內(nèi)大數(shù)據(jù)平臺上建立跨機構(gòu)統(tǒng)一數(shù)據(jù)科學平臺的實施方案。第7章從建模者的角度展示了典型建模流程的實戰(zhàn)過程。

作為一門應(yīng)用型學科，機器學習植根于數(shù)學理論，落地于代碼實現(xiàn)。這就意味著，掌握公式推導和代碼編寫，方能更加深入地理解機器學習算法的內(nèi)在邏輯和運行機制。本書在對全部機器學習算法進行分類梳理的基礎(chǔ)之上，分別對監(jiān)督學習單模型、監(jiān)督學習集成模型、無監(jiān)督學習模型、概率模型四個大類共26個經(jīng)典算法進行了細致的公式推導和代碼實現(xiàn)，旨在

本書是一本面向計算機類以及非計算機類專業(yè)學生的人工智能通識課程。內(nèi)容選取上注重人工智能的通識性、典型性，旨在培養(yǎng)高職以及應(yīng)用型本科學生的人工智能素養(yǎng)、計算思維能力。全書分為6大模塊，分別從不用的層面對人工智能進行介紹。 本書在介紹人工智能通識知識的同時還以新形態(tài)二維碼的方式嵌入了與課程內(nèi)容相融合的思政元素，分別從家國

本書較為全面地介紹了深度學習應(yīng)用場景下的數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)標注等技術(shù)。全書共12個實訓項目,包括數(shù)據(jù)采集概述、網(wǎng)絡(luò)數(shù)據(jù)采集、端側(cè)數(shù)據(jù)采集、數(shù)據(jù)存儲與加載、數(shù)據(jù)處理概述、圖像類數(shù)據(jù)處理、文本類數(shù)據(jù)處理、數(shù)據(jù)標注概述、圖像數(shù)據(jù)標注、文本數(shù)據(jù)標注、深度學習圖像分類應(yīng)用實戰(zhàn)、深度學習情感分析應(yīng)用實戰(zhàn)等。本書以企業(yè)用人需求

本書較為全面地介紹了深度學習應(yīng)用場景下的人工智能技術(shù)服務(wù)、深度學習數(shù)據(jù)應(yīng)用、深度學習基礎(chǔ)應(yīng)用等技術(shù)。全書共10個實訓項目,包括人工智能需求分析、人工智能產(chǎn)品設(shè)計、人工智能平臺應(yīng)用、數(shù)據(jù)采集工程應(yīng)用、數(shù)據(jù)處理工程應(yīng)用、數(shù)據(jù)標注工程應(yīng)用、機器學習模型訓練、深度學習框架應(yīng)用開發(fā)、深度學習框架基礎(chǔ)功能應(yīng)用、深度學習線性回歸模型

本書較為全面地介紹了深度學習模型訓練、計算機視覺模型應(yīng)用、自然語言處理模型應(yīng)用等技術(shù)。全書共9個實訓項目,包括深度學習全連接神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學習卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學習循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用、計算機視覺模型數(shù)據(jù)準備、計算機視覺模型訓練與應(yīng)用、計算機視覺模型部署、自然語言處理預(yù)訓練模型數(shù)據(jù)準備、自然語言處理預(yù)訓練模型訓練與

本書從技術(shù)、應(yīng)用和產(chǎn)業(yè)3個維度為切入點，對智能語音語義領(lǐng)域相關(guān)的熱點和趨勢展開研究。本書以“人與機器的對話”開篇，講述人類語音生成、傳播和感知的過程，引發(fā)對于機器智能語音聽說的思考，進而闡述技術(shù)探索發(fā)展史；然后，分析了以語音交互為核心的技術(shù)現(xiàn)狀，綜合剖析提出全雙工、端到端模型構(gòu)建、語音假冒攻擊等熱點；其次，從政策、投融