本書是一本MLOps的綜合指南,詳細介紹了DevOps和MLOps的理論和實踐,包括如何創(chuàng)建持續(xù)集成和持續(xù)交付、Kaizen(即對所有事物進行持續(xù)改進的想法)等,還介紹了基于云的MLOps,以及MLOps的關鍵技術領域,包括AutoML、容器、邊緣計算和模型可移植性。本書最后還介紹了一些真實案例研究,并介紹執(zhí)行MLOp

本書知識全面、實用,共10章,內容包括深度學習數(shù)學基礎,深度學習基礎模型(全連接網絡、卷積神經網絡、循環(huán)神經網絡、Transformer等)和實現(xiàn),多場景多領域最佳實踐,模型優(yōu)化、加速與部署等。

本書內容講述:許多AI入門指南可以說都是變相的微積分書籍,但這本書基本上避開了數(shù)學。相反,作者JeffProsise幫助工程師和軟件開發(fā)人員建立了對AI的直觀理解,以解決商業(yè)問題。需要創(chuàng)建一個系統(tǒng)來檢測雨林中非法砍伐的聲音、分析文本的情感或預測旋轉機械的早期故障?這本實踐用書將教你將AI和機器學習應用于職場工作所需的技

本書的編程語言以Python為主,詳細介紹了人工智能算法主流類別,從常見的特征處理算法出發(fā),介紹了回歸算法、基于實例的算法、樹方法、神經網絡、自然語言處理、社會網絡、群粒子算法、推薦算法。本書針對每一個大類算法都介紹了該門類下的幾個經典算法,并運用常見算法庫以代碼實現(xiàn)為目的,以商業(yè)分析、金融投資、科研輔助、工程優(yōu)化等案

本書首先通過圖文、視頻等方式帶領讀者體驗身邊的人工智能技術應用，使讀者初步了解人工智能，然后引領讀者認識人工智能關鍵技術及應用，并使用手機APP實際操作不同領域(如設備故障智能排查、刷臉支付、拍照視物、同聲翻譯、導航路徑規(guī)劃等)中人工智能的應用，以加深對人工智能知識的理解。本書的主要內容包括體驗與認識身邊的人工智能技術

本書的主體內容包括機器學習概念與特征工程、機器學習技術、模型關系管理，其中，模型關系管理部分主要介紹了弱集成學習、強集成學習和混合專家模型。弱集成學習是指使用機器學習中的弱分類器實現(xiàn)模型準確度和穩(wěn)定性之間的平衡。強集成學習是指協(xié)同特征工程與強分類器形成強集成學習環(huán)境�；旌蠈＜夷Ｐ褪侵竿ㄟ^神經網絡集成和網絡結構設計形成深

在人工智能發(fā)展的漫長歷程中，如何讓機器學會創(chuàng)作一直被視為難以逾越的天塹，創(chuàng)造力也因此被視為人類與機器最本質的區(qū)別之一。然而，人類的創(chuàng)造力也終將賦予機器創(chuàng)造力，把世界送入智能創(chuàng)作的新時代。人工智能繪畫作品的奪冠、超級聊天機器人ChatGPT的出現(xiàn)，無疑拉開了智能創(chuàng)作時代的序幕。從機器學習到智能創(chuàng)造，從PGC、UGC到AI

本書以“行業(yè)應用案例”貫穿課程，每個單元以相關行業(yè)中的真實企業(yè)應用案例為基礎，涉及制造、交通、電商、財會、傳媒、金融、互聯(lián)網、文旅等多個傳統(tǒng)行業(yè)，在此過程中培養(yǎng)學生人工智能意識、人工智能技術應用等綜合職業(yè)能力。本書共含12個知識單元，系統(tǒng)講解了人工智能基礎知識及其應用，并通過人工智能技術在各專業(yè)場景下的應用案例，解答“

《人工智能基礎項目教程》采用項目教程的編排方式，實現(xiàn)了基于工作過程、項目教學的理念。本書共由8個項目組成：人工智能概論、人工智能數(shù)據(jù)預處理、云計算下的人工智能、人工智能基礎知識、人工智能技術在交通系統(tǒng)中的應用、人工智能編程入門、人工智能框架技術、人工智能的行業(yè)應用。本書內容豐富，結構清晰，通過具體的實例對人工智能的概念

2017年，國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，要求中小學開設人工智能相關課程，并提倡以計算思維為指導，將信息技術課程從技術導向轉換為科學導向。因此，機器學習作為人工智能技術的內核，走入我國廣大中小學生的課堂是科技發(fā)展的必然選擇�！禕R》本書共11章，系統(tǒng)地介紹機器學習模型中常見的白盒和黑盒模型，以及這些模型統(tǒng)一的框