本書采用項(xiàng)目式學(xué)習(xí)法，通過簡單、有趣、實(shí)用性強(qiáng)的小案例，讓讀者能夠輕松體驗(yàn)和學(xué)習(xí)深?yuàn)W的人工智能技術(shù)。同時(shí)，每個(gè)項(xiàng)目通過無代碼的人工智能學(xué)習(xí)網(wǎng)站、拖拽式積木編程、少量代碼的Python編程等多種方式實(shí)現(xiàn)，讀者可以根據(jù)自身水平選擇合適的方式進(jìn)行學(xué)習(xí)體驗(yàn)。 本書共分7章，序章總述人工智能，第1~6章分別從圖像處理、文本處理

本書是一本面向編程人員的人工智能基礎(chǔ)教程，側(cè)重于介紹機(jī)器學(xué)習(xí)模型在不同場景下的部署，通過直觀的例子解釋機(jī)器學(xué)習(xí)和人工智能的基本概念，并給出代碼實(shí)現(xiàn)。本書分為兩部分：第一部分（第1章-第11章）介紹了如何使用TensorFlow來創(chuàng)建適用于不同應(yīng)用場景（計(jì)算機(jī)視覺、自然語言處理和序列建模）的機(jī)器學(xué)習(xí)模型；第二部分（第12

《圖機(jī)器學(xué)習(xí)》詳細(xì)闡述了與圖機(jī)器學(xué)習(xí)相關(guān)的基本解決方案，主要包括圖的基礎(chǔ)知識(shí)、圖機(jī)器學(xué)習(xí)概述、無監(jiān)督圖學(xué)習(xí)、有監(jiān)督圖學(xué)習(xí)、使用圖機(jī)器學(xué)習(xí)技術(shù)解決問題、社交網(wǎng)絡(luò)圖、使用圖進(jìn)行文本分析和自然語言處理、信用卡交易的圖分析、構(gòu)建數(shù)據(jù)驅(qū)動(dòng)的圖應(yīng)用程序和圖的新趨勢等內(nèi)容。此外，本書還提供了相應(yīng)的示例、代碼，以幫助讀者進(jìn)一步理解相關(guān)

本書全面介紹人工智能的基本理論、技術(shù)及應(yīng)用。全書共12章，主要內(nèi)容包括人工智能概論、知識(shí)表示與知識(shí)圖譜、模糊推理、搜索策略、遺傳算法、群智能算法、人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)、專家系統(tǒng)、自然語言理解、計(jì)算機(jī)視覺和智能機(jī)器人，附錄部分給出了實(shí)用性強(qiáng)的12個(gè)實(shí)驗(yàn)。本書強(qiáng)調(diào)人工智能知識(shí)的基礎(chǔ)性、整體性、綜合性和廣博性，使

本書系統(tǒng)講述智能現(xiàn)象的簡要?dú)v史。全書共分為10章。第1章介紹本書的寫作背景、對智能的不同定義、圍繞智能現(xiàn)象的問題、本書對智能現(xiàn)象的新假說;第2章介紹宇宙從無到有的過程、不安分的宇宙、改變以穩(wěn)定宇宙;第3章介紹物理學(xué)中的智能現(xiàn)象、重力智能、重力和暗能量、最小作用量原則、量子隱形傳態(tài);第4章介紹化學(xué)的簡要發(fā)展歷程、耗散結(jié)構(gòu)

《PyTorch編程技術(shù)與深度學(xué)習(xí)》講述深度學(xué)習(xí)的基本原理，使用PyTorch展示涉及的深度學(xué)習(xí)算法。通過理論講解和編程操作，使讀者了解并掌握深度學(xué)習(xí)的原理和PyTorch編程技能，拉近理論與實(shí)踐的距離。全書共分9章，主要內(nèi)容包括PyTorch介紹、PyTorch基礎(chǔ)編程、深度學(xué)習(xí)快速入門、神經(jīng)網(wǎng)絡(luò)訓(xùn)練與優(yōu)化、卷積神經(jīng)

這是一本面向?qū)�AI和機(jī)器學(xué)習(xí)的活用感興趣的經(jīng)營層、企劃部門、事業(yè)部門和IT部門等從業(yè)人員的書籍。從打消為什么現(xiàn)在應(yīng)該努力呢這樣的疑問開始，到即便對AI和機(jī)器學(xué)習(xí)的前提知識(shí)沒有了解，也能夠理解如何建立項(xiàng)目，怎樣創(chuàng)造出成果的方法論。本書旨在作為咨詢公司和系統(tǒng)開發(fā)公司等尋求外部AI支援的參考書。

本書分析研究了深度學(xué)習(xí)相關(guān)的網(wǎng)絡(luò)模型，以及不同網(wǎng)絡(luò)模型的算法結(jié)構(gòu)、原理與核心思想及實(shí)戰(zhàn)案例。主要內(nèi)容涉及人工神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)及其擴(kuò)展模型、深度生成對抗網(wǎng)絡(luò)及其擴(kuò)展模型、深度受限玻爾茲曼機(jī)及其擴(kuò)展模型、深度信念網(wǎng)絡(luò)及其擴(kuò)展模型、深度自編碼器及其擴(kuò)展模型等深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)、原

PyTorch神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)：移動(dòng)端圖像處理主要介紹人工智能研究領(lǐng)域中神經(jīng)網(wǎng)絡(luò)的PyTorch架構(gòu)，對其在多個(gè)領(lǐng)域的應(yīng)用進(jìn)行系統(tǒng)性的歸納和梳理。書中的案例有風(fēng)景圖分類、人像前景背景分割、低光照圖像增法、動(dòng)漫頭像生成、畫風(fēng)遷移、風(fēng)格轉(zhuǎn)換等，對每項(xiàng)視覺任務(wù)的研究背景、應(yīng)用價(jià)值、算法原理、代碼實(shí)現(xiàn)和移動(dòng)端部署流程進(jìn)行了詳細(xì)描述

本書講述機(jī)器學(xué)習(xí)的基本理論與應(yīng)用，使用OpenCV、Python與MATLAB實(shí)現(xiàn)涉及的各種機(jī)器學(xué)習(xí)算法。通過理論學(xué)習(xí)和實(shí)踐應(yīng)用，讀者能夠理解并掌握機(jī)器學(xué)習(xí)的原理和應(yīng)用，拉近理論與實(shí)踐的距離。全書共分15章，主要內(nèi)容包括：機(jī)器學(xué)習(xí)理論簡介、機(jī)器學(xué)習(xí)理論與應(yīng)用數(shù)學(xué)基礎(chǔ)、機(jī)器學(xué)習(xí)編程基礎(chǔ)、基于OpenCV和Python的機(jī)