本書是一本深度學習從入門、算法到應(yīng)用實踐的書籍。全書共9章，第1章介紹深度學習基礎(chǔ)，主要介紹基本概念和基本算法；第2章介紹深度學習的計算平臺，主要介紹深度神經(jīng)網(wǎng)絡(luò)計算芯片TPU的架構(gòu)原理；第3章介紹深度學習編程環(huán)境和操作基礎(chǔ)，引導(dǎo)零基礎(chǔ)讀者快速入門Linux操作系統(tǒng)、Python編程語言、TensorFlow和PyTo

本書為“60歲開始讀”科普教育叢書之一，該叢書是專門為老年人群體打造的實用生活百科全書。該叢書由上海市學習型社會建設(shè)與終身教育促進委員會辦公室指導(dǎo)，由上�？破战逃�促進中心組編。 本書是一本通俗易懂的人工智能（AI)手冊，全面圍繞AI來詳細進行解說。作為AI的入門讀物，本書旨在以簡單易懂、風趣幽默的語言，結(jié)合大量插

本書共八章：人工智能概述、Python庫和框架、機器學習算法、人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、視覺處理與應(yīng)用、自然語言處理與應(yīng)用、人工智能開放平臺應(yīng)用、綜合應(yīng)用實例。主要內(nèi)容包括：人工智能的定義與研究目標；人工智能的發(fā)展；人工智能和深度學習的關(guān)系等。

本書是作者研究和實踐人工智能算法的經(jīng)驗總結(jié)。本書通過圖表、案例和示例代碼相結(jié)合的方式，介紹TensorFlow框架的相關(guān)知識，幫助讀者打好扎實的人工智能理論基礎(chǔ)，并將理論付諸實踐，通過“干中學”的方式讓讀者全面掌握復(fù)雜的算法理論。 本書共3篇。第1篇“TensorFlow基礎(chǔ)”，主要介紹TensorFlow的基本開發(fā)

本書以統(tǒng)計/數(shù)學為出發(fā)點,介紹深度學習必備的數(shù)理基礎(chǔ),講解PyTorch的主體架構(gòu)及最新的模塊功能,包括常見算法與相關(guān)套件的使用方法,例如對象偵測、生成對抗網(wǎng)絡(luò)、深度偽造、圖像中的文字辨識、臉部辨識、BERT/Transformer、聊天機器人、強化學習、自動語音識別、知識圖譜等。

本書在系統(tǒng)介紹人工智能應(yīng)用開發(fā)環(huán)境與平臺的基礎(chǔ)上,對圖像識別、人臉識別、車輛識別、語音識別、語音合成、機器翻譯、聊天機器人等關(guān)鍵模塊予以展開,并在其間穿插目前市場上主流的企業(yè)級人工智能應(yīng)用平臺和典型的場景化應(yīng)用開發(fā)實例,可供廣大人工智能應(yīng)用開發(fā)者借鑒,從而幫助降低人工智能應(yīng)用開發(fā)門檻,提高人工智能應(yīng)用開發(fā)效率,切實解決

人工智能是研究利用計算機系統(tǒng)實現(xiàn)人類智能的理論、方法和技術(shù)的學科。本書較系統(tǒng)進介紹了人工智能的基本內(nèi)容，主要包括人工智能發(fā)展的三次熱潮、知識與知識表示、推理方式、搜索策略、專家系統(tǒng)、機器學習、神經(jīng)網(wǎng)絡(luò)模型、深度學習、計算機視覺、自然語言處理、知識圖譜、智能體、群智能算法、生物征識別和智能機器人等。本書注重基本概念、基本

本書介紹人工智能的基礎(chǔ)理論、技術(shù)及應(yīng)用。全書共9章,主要內(nèi)容包括人工智能概述、知識表示與知識圖譜、搜索策略、機器學習、人工神經(jīng)網(wǎng)絡(luò)、典型卷積神經(jīng)網(wǎng)絡(luò)、智能圖像處理、機器學習開發(fā)框架、機器學習項目剖析。本書強調(diào)理論聯(lián)系實際，既深入淺出地介紹了人工智能領(lǐng)域的基礎(chǔ)知識和實用技術(shù)，又詳細介紹了兩個機器學習開發(fā)框架：PyTorc

《實戰(zhàn)AI大模型》是一本旨在填補人工智能（AI）領(lǐng)域（特別是AI大模型）理論與實踐之間鴻溝的實用手冊。書中介紹了AI大模型的基礎(chǔ)知識和關(guān)鍵技術(shù)，如Transformer、BERT、ALBERT、T5、GPT系列、InstructGPT、ChatGPT、GPT4、PaLM和視覺模型等，并詳細解釋了這些模型的技術(shù)原理

本書系統(tǒng)介紹了眾包學習的概念、應(yīng)用領(lǐng)域、前沿課題和研究實踐。在基礎(chǔ)知識方面，本書介紹了眾包的起源與發(fā)展、眾包技術(shù)的研究方向，分析眾包模式給機器學習帶來的機遇與挑戰(zhàn)。在前沿技術(shù)方面，本書詳細闡述了眾包標注真值推斷與面向眾包標注數(shù)據(jù)的預(yù)測模型學習等前沿研究課題。在研究實踐方面，本書介紹了面向偏置標注的眾包標簽真值推斷、基于