本書(shū)是寫給沒(méi)有學(xué)過(guò)任何計(jì)算機(jī)語(yǔ)言的讀者的，例如大學(xué)生。本書(shū)主要講授MATLAB的基本知識(shí)，從如何打開(kāi)MATLAB的指令窗口，輸入最簡(jiǎn)單的指令開(kāi)始，利用MATLAB提供的交互式環(huán)境，用簡(jiǎn)明的實(shí)例向讀者示范如何調(diào)用MATLAB的內(nèi)部函數(shù)實(shí)現(xiàn)數(shù)值計(jì)算、符號(hào)運(yùn)算和平面曲線、空間曲線與曲面圖等圖形輸出，以及機(jī)器學(xué)習(xí)和線性代數(shù)與微

本書(shū)的主要內(nèi)容涵蓋機(jī)器學(xué)習(xí)領(lǐng)域的主要模型和算法,包括監(jiān)督學(xué)習(xí)的分類和回歸模型與算法、非監(jiān)督學(xué)習(xí)的聚類和降維算法、強(qiáng)化學(xué)習(xí)的主要算法、遷移學(xué)習(xí)的實(shí)例以及最新前沿的相關(guān)模型和算法的實(shí)踐。本書(shū)以實(shí)驗(yàn)項(xiàng)目或案例為單元,每個(gè)單元有明確的實(shí)驗(yàn)?zāi)康摹⒃�理和�?shí)驗(yàn)步驟,包括基礎(chǔ)驗(yàn)證性實(shí)驗(yàn)、綜合設(shè)計(jì)性實(shí)驗(yàn)和系統(tǒng)開(kāi)發(fā)項(xiàng)目實(shí)踐。

本書(shū)主要內(nèi)容包括探索性數(shù)據(jù)分析、有監(jiān)督學(xué)習(xí)(線性回歸、SVM、決策樹(shù)等)、無(wú)監(jiān)督學(xué)習(xí)(降維、聚類等),以及深度學(xué)習(xí)的基礎(chǔ)原理和應(yīng)用等。本書(shū)旨在為廣大讀者提供一個(gè)系統(tǒng)全面、易于理解的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)入門教程。不需要過(guò)多的數(shù)學(xué)背景,只需掌握基本的編程知識(shí)即可輕松上手。

本書(shū)匯集了作者從業(yè)多年來(lái)為體驗(yàn)設(shè)計(jì)師、交互設(shè)計(jì)師解答過(guò)的疑問(wèn),以及個(gè)人的成長(zhǎng)經(jīng)驗(yàn),內(nèi)容包括四大部分:設(shè)計(jì)思考、工作經(jīng)驗(yàn)、應(yīng)聘建議和生活感悟,既傳授了專業(yè)的、扎實(shí)的體驗(yàn)設(shè)計(jì)方法,又分享了職場(chǎng)上的一些必備技巧。好的問(wèn)題見(jiàn)微知著,好的回答授人以漁。希望這些回答可以幫助更多的讀者走出疑惑、延伸視野、拓展思維。

本書(shū)使用Python對(duì)人工智能機(jī)器學(xué)習(xí)中的相關(guān)知識(shí)進(jìn)行了算法實(shí)現(xiàn),并以這些知識(shí)為背景解釋了什么是深度學(xué)習(xí)。具體內(nèi)容包括初識(shí)機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)基礎(chǔ)、群智能與優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。因?yàn)闆](méi)有使用TensorFlow、PyTorch等任何程序庫(kù),僅使用Python直接實(shí)現(xiàn)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的相關(guān)算法,可以讓讀者更好地理

這是一本講解NPU硬件架構(gòu)設(shè)計(jì)與技術(shù)實(shí)現(xiàn)的著作。作者將自己在CPU、GPU和NPU領(lǐng)域15年的軟硬件工作經(jīng)驗(yàn)融會(huì)貫通，將四代NPU架構(gòu)設(shè)計(jì)經(jīng)驗(yàn)融為一體，將端側(cè)和云側(cè)NPU架構(gòu)合二為一，總結(jié)并提煉出本書(shū)內(nèi)容。本書(shū)主要討論神經(jīng)網(wǎng)絡(luò)硬件層面，尤其是芯片設(shè)計(jì)層面的內(nèi)容，主要包含神經(jīng)網(wǎng)絡(luò)的分析、神經(jīng)網(wǎng)絡(luò)加速器的設(shè)計(jì)以及具體

圖數(shù)據(jù)是對(duì)萬(wàn)物間聯(lián)系的一般抽象，廣泛存在于各行各業(yè)中。圖表征學(xué)習(xí)為圖數(shù)據(jù)的建模與分析提供了新范式，是近年來(lái)機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘領(lǐng)域的熱門研究方向，并被有效地應(yīng)用于推薦系統(tǒng)、交通預(yù)測(cè)等眾多領(lǐng)域。本書(shū)將全面介紹圖表征學(xué)習(xí)，特別是針對(duì)處于真實(shí)世界動(dòng)態(tài)、開(kāi)放環(huán)境之中圖數(shù)據(jù)的圖表征學(xué)習(xí)方法。本書(shū)分為3篇：第1篇介紹圖嵌入和圖神經(jīng)網(wǎng)

本書(shū)基于卷積神經(jīng)網(wǎng)絡(luò)和圖像識(shí)別方法，介紹了PyTorch和PaddlePaddle兩種框架，并結(jié)合移動(dòng)機(jī)器人講解了具體的開(kāi)發(fā)過(guò)程。書(shū)中所用的硬件平臺(tái)，帶有兩個(gè)攝像頭傳感器，為機(jī)器人和無(wú)人駕駛車輛多攝像頭導(dǎo)航提供了理論指導(dǎo)。書(shū)中提到的模擬沙盤，正是機(jī)器人作為園區(qū)巡檢或無(wú)人配送實(shí)例的縮影。通過(guò)基于理論的實(shí)踐，本書(shū)不局限于具

人工智能正以前所未有的速度改變著世界。 GPT作為強(qiáng)大的人工智能語(yǔ)言模型，具有廣泛的應(yīng)用場(chǎng)景，必將改變?nèi)祟惖纳�產(chǎn)與生活方式，為人類社會(huì)帶來(lái)巨大且深遠(yuǎn)的影響。而只要一個(gè)人開(kāi)始使用GPT，他將大概率發(fā)現(xiàn)向GPT提問(wèn)頗為關(guān)鍵。很大程度上，提問(wèn)的質(zhì)量決定著回答的質(zhì)量，提問(wèn)的效率決定著工作的效率。 本書(shū)旨在幫助讀者學(xué)會(huì)

本書(shū)以LabVIEW為開(kāi)發(fā)平臺(tái)，講述物聯(lián)網(wǎng)應(yīng)用中通信組網(wǎng)基本原理、應(yīng)用開(kāi)發(fā)技術(shù)和程序設(shè)計(jì)方法。全書(shū)共7章，第1章簡(jiǎn)要介紹物聯(lián)網(wǎng)的方法和技術(shù)，概述常用的物聯(lián)網(wǎng)通信技術(shù)；第2章介紹LabVIEW程序設(shè)計(jì)方法，包括開(kāi)發(fā)平臺(tái)簡(jiǎn)介、LabVIEW中的數(shù)據(jù)類型、LabVIEW程序設(shè)計(jì)基礎(chǔ)及其應(yīng)用程序典型設(shè)計(jì)模式；第3～7章，分別介