本書以PyTorch深度學習的常用技術(shù)與真實案例相結(jié)合的方式，深入淺出地介紹使用PyTorch實現(xiàn)深度學習應(yīng)用的重要內(nèi)容。本書共7章，內(nèi)容包括深度學習概述、PyTorch深度學習通用流程、PyTorch深度學習基礎(chǔ)、手寫漢字識別、文本生成、基于CycleGAN的圖像風格轉(zhuǎn)換、基于TipDM大數(shù)據(jù)挖掘建模平臺實現(xiàn)文本生成

本書通過想要學習深度學習的程序員綾乃和她朋友美緒的對話，逐步講解深度學習中實用的數(shù)學基礎(chǔ)知識。內(nèi)容涉及神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、感知機、正向傳播和反向傳播，以及卷積神經(jīng)網(wǎng)絡(luò)。其中，重點講解了容易成為學習絆腳石的數(shù)學公式和符號。同時，還通過實際的Python編程實現(xiàn)神經(jīng)網(wǎng)絡(luò)，加深讀者對相關(guān)數(shù)學知識的理解。 本書適合對深度學習感興趣

《Copilot和ChatGPT編程體驗：挑戰(zhàn)24個正則表達式難題》呈現(xiàn)了兩方競爭的格局。一方是專業(yè)程序員DavidQ.Mertz，是網(wǎng)絡(luò)上****的正則表達式教程的作者。另一方則是強大的AI編程工具OpenAIChatGPT和GitHubCopilot。比賽規(guī)則如下：David編寫了24個正則表達式難題，并展示如何解

本書系統(tǒng)地介紹了人工智能的基本概念、主要方法及代表性模型算法。本書根據(jù)人工智能的知識體系，在兼顧傳統(tǒng)的人工智能方法的基礎(chǔ)上，重點突出前沿性內(nèi)容，并對自動推理、遺傳算法、神經(jīng)網(wǎng)絡(luò)、啟發(fā)式優(yōu)化、機器學習、異常檢測、梯度下降、邏輯回歸、反向傳播、卷積網(wǎng)絡(luò)、語言模型、詞向量等常見技術(shù)進行詳細闡述和討論。本書結(jié)合應(yīng)用安排了示例和

本書對應(yīng)課程屬于一門概論性課程。本書將傳統(tǒng)的和新一代的人工智能/智能制造融于一體，從傳承與發(fā)展視角出發(fā)概述人工智能與智能制造的發(fā)展現(xiàn)狀及其相互關(guān)系，重點闡述人工智能與智能制造共性基礎(chǔ)技術(shù)、知識驅(qū)動的符號智能、數(shù)據(jù)驅(qū)動的機器學習、智能制造理論與技術(shù)體系、智能制造的物理系統(tǒng)和信息系統(tǒng)，并指出人工智能與智能制造的未來發(fā)展方向

這本書能全面指導(dǎo)教師、家長、學生系統(tǒng)認識以ChatGPT為代表的AIGC技術(shù)為教育和學習帶來的深遠影響，并快速了解和掌握目前主流的AIGC工具在不同教育和學習場景中的應(yīng)用，幫助教師、學生、家長先人一步實現(xiàn)角色轉(zhuǎn)變和完成AI能力塑造，在未來的競爭中遙遙領(lǐng)先于對手，成為AI時代的先知和贏家。本書內(nèi)容針對教師、家長、學生這3

人工智能方興未艾，機器學習算法作為實現(xiàn)人工智能最重要的技術(shù)之一，引起了無數(shù)相關(guān)從業(yè)者的興趣。本書詳細介紹了機器學習算法的理論基礎(chǔ)和高級實踐案例，理論部分介紹了機器學習項目體系搭建路徑，包括業(yè)務(wù)場景拆解、特征工程、模型評估和選型、模型優(yōu)化；實踐部分介紹了業(yè)界常見的業(yè)務(wù)場景，包括計算廣告、供需預(yù)測、智能營銷、動態(tài)定價。隨書

在很長一段時間里，人類是地球上唯一會使用符號的生物�，F(xiàn)在，計算機越來越智能，人類有了使用符號的伙伴。而要了解人工智能，就必須了解人工智能奠基人和科學家。本書作者帕梅拉·麥考黛克回憶了自己從20世紀60年代初識人工智能到21世紀深切體驗人工智能對我們生活產(chǎn)生的影響，記述了這一過程中對人工智能形成和發(fā)展做出舉

本書使用PyTorch2.0作為學習大模型的基本框架,以ChatGLM為例詳細講解大模型的基本理論、算法、程序?qū)崿F(xiàn)、應(yīng)用實戰(zhàn)以及微調(diào)技術(shù),為讀者揭示大模型開發(fā)技術(shù)。本書共18章,內(nèi)容包括人工智能與大模型、PyTorch2.0深度學習環(huán)境搭建、從零開始學習PyTorch2.0、深度學習基礎(chǔ)算法詳解、基于PyTorch卷積

本書以項目實踐作為主線，結(jié)合必需的理論知識，以任務(wù)的形式進行內(nèi)容設(shè)計，每個任務(wù)都包含任務(wù)描述及任務(wù)實施的步驟，讀者按照實施步驟進行操作就可以完成相應(yīng)的學習任務(wù)，從而不斷提升項目實踐能力。本書主要內(nèi)容涉及機器學習的基礎(chǔ)知識，模型評估與選擇，回歸、分類、聚類等機器學習算法，數(shù)據(jù)挖掘的基礎(chǔ)知識，數(shù)據(jù)分析與應(yīng)用，以及通過用戶行