這本書融合了大數(shù)據(jù)理論與智能云(物聯(lián)網(wǎng))的新技術(shù)。數(shù)據(jù)分析師和計(jì)算機(jī)科學(xué)家必須學(xué)會(huì)如何有效地使用云和物聯(lián)網(wǎng)來發(fā)現(xiàn)新的知識，進(jìn)而才能明智地做出重要決策。本書旨在縮短這些學(xué)習(xí)方向之間的差距,并鼓勵(lì)數(shù)據(jù)科學(xué)家和云計(jì)算科學(xué)家之間的相互學(xué)習(xí)與合作。書中將大數(shù)據(jù)集成理論、云設(shè)計(jì)原則、物聯(lián)網(wǎng)傳感、機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、Hadoop和S

概率網(wǎng)是人工智能學(xué)科表示并處理概率知識的一類圖模型方法。多源概率網(wǎng)融合是全面進(jìn)行概率知識表示和推理研究中的重要問題。已有T作大多限于貝葉斯網(wǎng)、影響圖和可能性網(wǎng)等定量概率網(wǎng)的融合，較少考慮到概率知識只能定性表示或只需定性表示時(shí)的定性概率網(wǎng)（QualitativeProbabilisticNetworks，QPNs）模型融

張鴻著的《基于人工智能的多媒體數(shù)據(jù)挖掘和應(yīng)用實(shí)例》較系統(tǒng)地講述了基于人工智能的多媒體數(shù)據(jù)挖掘和應(yīng)用技術(shù)。全書共四個(gè)部分，十二個(gè)章節(jié)，首先以文本和圖像為例，介紹了什么是從數(shù)據(jù)到語義的理解和挖掘；然后詳細(xì)闡述了如何從底層內(nèi)容特征的角度，建立多媒體數(shù)據(jù)的特征表達(dá)模型；并在此基礎(chǔ)上，進(jìn)一步以多模態(tài)數(shù)據(jù)為對象，介紹了目前的熱點(diǎn)應(yīng)

本書是國家職業(yè)教育物聯(lián)網(wǎng)應(yīng)用技術(shù)專業(yè)教學(xué)資源庫配套教材。本書嚴(yán)格按照高職物聯(lián)網(wǎng)應(yīng)用技術(shù)專業(yè)人才培養(yǎng)的要求，結(jié)合對近幾年物聯(lián)網(wǎng)行業(yè)應(yīng)用及崗位需求的深刻分析編寫而成。

《皇帝新腦》對電腦科學(xué)、數(shù)學(xué)、物理學(xué)、宇宙學(xué)、神經(jīng)和精神科學(xué)以及哲學(xué)進(jìn)行了廣泛的討論，體現(xiàn)了作者向哲學(xué)上*問題精神-身體關(guān)系挑戰(zhàn)的大無畏精神。書中充滿了天才般的猜測，重新衡量相對論和量子理論，以及對現(xiàn)代物理及人工智能的新看法。

人工智能與未來教育

本書提供安裝、上機(jī)操作指南，同時(shí)輔以大量范例程序介紹TensorFlowKeras深度學(xué)習(xí)方面的知識。本書分9部分，共21章，內(nèi)容主要包括基本概念介紹、TensorFlow與Keras的安裝、KerasMNIST手寫數(shù)字識別、KerasCIFAR-10照片圖像物體識別、Keras多層感知器預(yù)測泰坦尼克號上旅客的生存概率

TensorFlow是谷歌2015年開源的主流深度學(xué)習(xí)框架，目前已得到廣泛應(yīng)用。本書為TensorFlow入門參考書，旨在幫助讀者以快速、有效的方式上手TensorFlow和深度學(xué)習(xí)。書中省略了煩瑣的數(shù)學(xué)模型推導(dǎo)，從實(shí)際應(yīng)用問題出發(fā)，通過具體的TensorFlow示例介紹如何使用深度學(xué)習(xí)解決實(shí)際問題。書中包含深度學(xué)習(xí)的

《秩序的重構(gòu)人工智能與人類社會(huì)》由上海大學(xué)組織編寫，編委會(huì)集中了各學(xué)科近百位專家學(xué)者，從倫理、法律、就業(yè)、教育、安全和國際準(zhǔn)則等領(lǐng)域出發(fā)，就人工智能與人類社會(huì)的關(guān)系及其對未來社會(huì)發(fā)展趨勢的影響等重大問題，做了前瞻性的研究和闡述。《秩序的重構(gòu)人工智能與人類社會(huì)》的特點(diǎn)，一是論述全面。人工智能對人類社會(huì)的影響涉及各個(gè)方面，

《深入淺出強(qiáng)化學(xué)習(xí)：原理入門》用通俗易懂的語言深入淺出地介紹了強(qiáng)化學(xué)習(xí)的基本原理，覆蓋了傳統(tǒng)的強(qiáng)化學(xué)習(xí)基本方法和當(dāng)前炙手可熱的深度強(qiáng)化學(xué)習(xí)方法。開篇從*基本的馬爾科夫決策過程入手，將強(qiáng)化學(xué)習(xí)問題納入到嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)框架中，接著闡述了解決此類問題*基本的方法動(dòng)態(tài)規(guī)劃方法，并從中總結(jié)出解決強(qiáng)化學(xué)習(xí)問題的基本思路：交互迭代策略評