本書包括七個項目,分別是全面知曉人工智能;人工智能1.0時代:圖靈的計算王國;人工智能2.0時代:知識,讓計算機更聰明;人工智能3.0時代:悄然興起的“機器學(xué)習(xí)”;人工智能4.0時代:“深度學(xué)習(xí)”打破以沉寂;正在展開的未來:人工智能對人類社會的影響;人工智能應(yīng)用實踐:科技改變生活的前沿人工智能應(yīng)用。

隨著時代的發(fā)展、計算機硬件性能的提升與大數(shù)據(jù)技術(shù)的進步,深度學(xué)習(xí)在理論上不斷創(chuàng)新,尤其在商業(yè)場景應(yīng)用中取得重要成果,使得人工智能又一次進入黃金發(fā)展時期,“深度學(xué)習(xí)時代”已經(jīng)來臨!本書將帶領(lǐng)讀者了解深度學(xué)習(xí)技術(shù)的理論及應(yīng)用情況。全書共10章,分3部分。第1部分,即第1-第4章,主要介紹人工智能與神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識,以及深

本書參考物聯(lián)網(wǎng)應(yīng)用技術(shù)人才培養(yǎng)的方案內(nèi)容，針對物聯(lián)網(wǎng)應(yīng)用技術(shù)專業(yè)人才培養(yǎng)所需要的技術(shù)（職業(yè)）領(lǐng)域所總結(jié)的典型工作任務(wù)來組織全書的內(nèi)容體系。根據(jù)要完成每個典型工作任務(wù)的工作過程中所需的知識或技能來設(shè)計每個章節(jié)的內(nèi)容。本書共分為8章，內(nèi)容涵蓋了物聯(lián)網(wǎng)的特征及體系結(jié)構(gòu)、物聯(lián)網(wǎng)底層感知技術(shù)、通信技術(shù)、嵌入式開發(fā)技術(shù)、云計算及大

人工智能是電子信息技術(shù)領(lǐng)域發(fā)展為迅速的新興交叉學(xué)科。本書作為人工智能學(xué)科的入門基礎(chǔ)，由淺入深、化繁為簡，全方位闡述人工智能相關(guān)理論背景、關(guān)鍵技術(shù)及部分典型應(yīng)用。本書共12章：第1章闡述人工智能的定義、發(fā)展史，并展望其發(fā)展趨勢；第2～4章是人工智能學(xué)科的理論基礎(chǔ)，分別介紹知識的表示與理解方法、感知與連接以及判斷與控制方法

本書較完整地介紹了深度學(xué)習(xí)的基本概念、方法和技術(shù)。全書共10章，重點介紹了深度學(xué)習(xí)的基礎(chǔ)知識、深度學(xué)習(xí)的基本算法、深度學(xué)習(xí)中的正則化以及幾個典型的深度神經(jīng)網(wǎng)絡(luò)（如深度卷積神經(jīng)網(wǎng)絡(luò)、深度循環(huán)神經(jīng)網(wǎng)絡(luò)、深度生成式對抗網(wǎng)絡(luò)、自編碼器、深度信念網(wǎng)絡(luò)、膠囊網(wǎng)絡(luò)等）。本書內(nèi)容豐富、敘述詳細、實用性強，適合具有一定數(shù)學(xué)基礎(chǔ)的高年級本

本書在不涉及大量數(shù)學(xué)模型與復(fù)雜算法實現(xiàn)的前提下，從機器學(xué)習(xí)概述開始，由“泰坦尼克號數(shù)據(jù)分析與預(yù)處理”“良/惡性乳腺癌腫瘤預(yù)測”“波士頓房價預(yù)測”“手寫體數(shù)字聚類”“人臉特征降維”“在線旅行社酒店價格異常檢測”6個案例分別引入數(shù)據(jù)分析、分類、回歸、聚類、特征降維和異常檢測的應(yīng)用開發(fā)實戰(zhàn)技術(shù)及其少量理論，能夠幫助讀者以最快

深度學(xué)習(xí)是目前***的技術(shù)領(lǐng)域。本書兼顧了數(shù)學(xué)上的理解和代碼實踐，內(nèi)容主要包括基礎(chǔ)知識和深度學(xué)習(xí)模型。第1章介紹深度學(xué)習(xí)的簡潔發(fā)展思路和表示學(xué)習(xí)機制；第2章、第3章介紹神經(jīng)網(wǎng)絡(luò)的基于梯度的優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)的優(yōu)化難點以及相應(yīng)的解決方法；第4章討論神經(jīng)網(wǎng)絡(luò)遇到的過擬合問題；第5章分析神經(jīng)網(wǎng)絡(luò)的最小組成部分——神經(jīng)元；第6

本書通過有趣的插圖和簡潔的文字帶您漫步在人工智能的世界中，與您分享這個非fan工具帶來的驚奇和震撼，同時幫助您了解它如何運行以及它的局限性。作者在每個章節(jié)都揭示了人工智能的某一特性，并充分評估了這一領(lǐng)域的種種可能性。作者還探討了研究人員面臨的挑戰(zhàn)及社會人工智能問題等。

統(tǒng)計學(xué)習(xí)是機器學(xué)習(xí)的重要分支，本書兼顧了數(shù)學(xué)上的理解和代碼實踐，內(nèi)容主要包括基礎(chǔ)知識和統(tǒng)計學(xué)習(xí)模型。第1章、第2章結(jié)合VC維介紹過擬合的本質(zhì)，并介紹手動特征選擇的辦法；第3章、第4章從最簡單的線性模型出發(fā)經(jīng)過概率統(tǒng)計的解讀而得到分類和回歸算法；第5章討論了不依賴于假設(shè)分布的非參數(shù)模型；第6章將核方法作為一種非線性拓展的

本書共12章，第1章介紹機器學(xué)習(xí)的基本概念和理論，并介紹用于機器學(xué)習(xí)的R軟件環(huán)境的準(zhǔn)備；第2章介紹如何應(yīng)用R來管理數(shù)據(jù)，進行數(shù)據(jù)的探索分析和數(shù)據(jù)可視化；第3-9章介紹典型的機器學(xué)習(xí)算法，包括k近鄰分類算法、樸素貝葉斯算法、決策樹和規(guī)則樹、回歸預(yù)測、黑盒算法—神經(jīng)網(wǎng)絡(luò)和支持向量機、關(guān)聯(lián)分析、k均值聚類，并給出大量的實際案