作為一個崛起中的新興力量，人工智能不僅僅是一種技術，它的發(fā)展除了在科學和產(chǎn)業(yè)發(fā)展領域產(chǎn)生影響之外，還將對現(xiàn)行人類的社會規(guī)范、生活模式產(chǎn)生非常深遠的影響。隨著第三次人工智能潮的到來，人們對人工智能及其未來的發(fā)展充滿強烈的興趣和諸多的疑問——什么是人工智能？人工智能對人類生活會有哪些深遠影響？我們又能通過人工智能實現(xiàn)什么樣

本書介紹了與AI相關的理論知識，例如，AI的核心、AI的3個發(fā)展階段、AI的科技支撐點等。為了增強本書的全面性和系統(tǒng)性，也為了向大家多傳授一些干貨，本書將重點放在了AI在各行各業(yè)、各個領域的商業(yè)化落地項目上。值得注意的是，本書添加了很多代表性案例，希望為讀者提供實實在在的幫助�？梢哉f，在“AI+商業(yè)”方面，本書既具有實

機器學習是一門涉及高等數(shù)學、線性代數(shù)、概率論、統(tǒng)計學和運籌學等領域的交叉學科。機器學習的基礎就是數(shù)學，這也就要求學習者要有良好的數(shù)學基礎。為了降低機器學習的學習門檻，本書深入淺出地對機器學習算法的數(shù)學原理進行了嚴謹?shù)耐茖�；并利用Python3對各種機器學習算法進行復現(xiàn)，還利用介紹的算法在相應數(shù)據(jù)集上進行實戰(zhàn)。本書主要內(nèi)

本書通過分析最優(yōu)化理論和算法與機器學習的關系：最優(yōu)化理論和算法促進了機器學習的發(fā)展，同時機器學習對最優(yōu)化的理論和求解方法也帶來了新的研究方向和研究方法。我們針對組合優(yōu)化問題，特別是NP問題,提出機器學習的求解方法，此類方法通過一些學習方法，結合傳統(tǒng)算法，給出了一套求解組合優(yōu)化問題的機器學習理論方法。 本書共分為六章，

不知不覺，人工智能已經(jīng)走入我們的生活，尤其是圖像識別、文本識別、語音識別、自然語言等技術。這些應用的核心技術就是深度學習，也正是本書的核心內(nèi)容。 本書以TensorFlow為核心，分為3篇，共計15章節(jié)。第1篇是基礎篇（第1~5章），主要介紹什么是深度學習、深度學習的本質(zhì)是什么、深度學習所使用的教材和方法，以及深度學習

本書內(nèi)容涵蓋了人工智能的起源、機器學習、神經(jīng)網(wǎng)絡、深度學習、專家系統(tǒng)、推薦系統(tǒng)、自然語言處理、智能圖像處理、智能機器人。本書可供從事人工智能研究領域的工程技術人員和科研人員閱讀。

本書以“平民”的起點，從“零”開始，基于PyTorch框架，介紹深度學習和強化學習的技術與技巧，逐層鋪墊，營造良好的帶入感和親近感，把學習曲線拉平，使得沒有學過微積分等高級理論的程序員一樣能夠讀得懂、學得會。同時，本書配合漫畫插圖來調(diào)節(jié)閱讀氣氛，并對每個原理都進行了對比講解和實例說明。本書適合對深度學習和強化學習感興趣

數(shù)學是機器學習繞不開的基礎知識，傳統(tǒng)教材的風格偏重理論定義和運算技巧，想以此高效地打下機器學習的數(shù)學基礎，針對性和可讀性并不佳。本書以機器學習涉及的線性代數(shù)核心知識為重點，進行新的嘗試和突破：從坐標與變換、空間與映射、近似與擬合、相似與特征、降維與壓縮這5個維度，環(huán)環(huán)相扣地展開線性代數(shù)與機器學習算法緊密結合的核心內(nèi)容，

本書主要講述了深度學習中的重要概念和技術，并展示了如何使用TensorFlow實現(xiàn)高級機器學習算法和神經(jīng)網(wǎng)絡。本書首先介紹了數(shù)據(jù)科學和機器學習中的基本概念，然后講述如何使用TensorFlow訓練深度學習模型，以及如何通過訓練深度前饋神經(jīng)網(wǎng)絡對數(shù)字進行分類，如何通過深度學習架構解決計算機視覺、語言處理、語義分析等方面的

本書用淺顯易懂的語言，圖文并貌地講解了深度學習的基礎知識，從如何挑選硬件到神經(jīng)網(wǎng)絡的初步搭建，再到實現(xiàn)圖片識別、文本翻譯、強化學習、生成對抗網(wǎng)絡等多個目前*流行的深度學習應用。書中基于目前流行的PyTorch框架，運用Python語言實現(xiàn)了各種深度學習的應用程序，讓理論和實踐緊密結合。