本書主要討論在智能經(jīng)濟的浪潮下，人工智能技術(shù)與區(qū)塊鏈技術(shù)的范式變革與產(chǎn)業(yè)應(yīng)用，以及如何從數(shù)字經(jīng)濟學(xué)視角理解智能經(jīng)濟發(fā)展的商業(yè)邏輯變化和它所帶來的商業(yè)認(rèn)知升級。全書包括從信息技術(shù)到智能經(jīng)濟、區(qū)塊鏈技術(shù)應(yīng)用與場景、人工智能技術(shù)應(yīng)用與場景、智能經(jīng)濟時代的商業(yè)趨勢四部分，共20講內(nèi)容。 本書通過跨學(xué)科研究，構(gòu)建了一整套認(rèn)知人工智能技術(shù)與區(qū)塊鏈智能技術(shù)的方式。書中不僅從計算機科學(xué)視角討論了技術(shù)與產(chǎn)業(yè)應(yīng)用，還從經(jīng)濟學(xué)、管理學(xué)和信

本書共有14章，內(nèi)容包括：初識Go語言、Go語言的基本語法、Go語言的流程控制、函數(shù)與指針、Go語言的內(nèi)置容器、Go語言的常用內(nèi)置包、Go語言面向?qū)ο缶幊�、Go語言異常處理、Go語言文件IO操作、Go語言網(wǎng)絡(luò)編程、Go語言數(shù)據(jù)庫編程、Go語言并發(fā)編程、Go語言密碼學(xué)算法、Beego框架項目實戰(zhàn)。

本教材共分9章：第1章計算機技術(shù)與計算思維基礎(chǔ)、第2章計算機中信息表示、第3章計算機系統(tǒng)基本組成和基本工作原理、第4章互聯(lián)網(wǎng)與物聯(lián)網(wǎng)、第5章計算機新技術(shù)、第6章計算機求解問題基礎(chǔ)、第7章人工智能概述、第8章搜索與博弈和第9章機器學(xué)習(xí)。

機器學(xué)習(xí)已經(jīng)廣泛地應(yīng)用于各行各業(yè)，深度學(xué)習(xí)的興起再次推動了人工智能的熱潮。本書結(jié)合項目實踐，首先討論了TensorFlow、PySpark、TI-ONE等主流機器學(xué)習(xí)平臺的主要特點；然后結(jié)合Tableau介紹了數(shù)據(jù)可視化在銀行客戶用卡行為分析的應(yīng)用。在此基礎(chǔ)上，利用上述介紹的這些平臺，通過多個項目案例，詳細地分析了決策樹、隨機森林、支持向量機、邏輯回歸、貝葉斯網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、對抗生成網(wǎng)絡(luò)等機器

本書是一本針對高校學(xué)生的絕佳TensorFlow學(xué)習(xí)教材。作者結(jié)合眾多高質(zhì)量的代碼，生動講解了TensorFlow的底層原理，并從實際應(yīng)用問題入手，從實踐的角度出發(fā)，通過具體的TensorFlow案例程序介紹常見的模型和應(yīng)用解決辦法。同時，在教材中還介紹了模型部署和編程過程中所用到的諸多開發(fā)技巧。是學(xué)習(xí)和掌握人工智能這個最新、最火的IT領(lǐng)域的推薦圖書。

本書介紹了深度學(xué)習(xí)原理與TensorFlow實踐。著重講述了當(dāng)前學(xué)術(shù)界和工業(yè)界的深度學(xué)習(xí)核心知識：機器學(xué)習(xí)概論、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)。著重講述了深度學(xué)習(xí)的實現(xiàn)以及深度學(xué)習(xí)框架TensorFlow：Python編程基礎(chǔ)、TensorFlow編程基礎(chǔ)、TensorFlow模型、TensorFlow編程實踐、TensorFlowLite和TensorFlow.js、TensorFlow案例--醫(yī)學(xué)應(yīng)用和Seq2Seqatte

本書主要內(nèi)容包括：網(wǎng)絡(luò)爬蟲概述、requests庫入門、xapth語法詳解、認(rèn)識和應(yīng)對反爬蟲、模擬登錄和驗證碼的處理、動態(tài)頁面的分析方法、scrapy框架基礎(chǔ)、應(yīng)對反爬蟲策略、scrapy數(shù)據(jù)存儲、提交數(shù)據(jù)和保持登錄、crawlspider模板、圖片下載和文件下載、分布式爬蟲、增量式爬蟲、

機器學(xué)習(xí)是人工智能的重要技術(shù)基礎(chǔ)，涉及的內(nèi)容十分廣泛。本書內(nèi)容涵蓋了機器學(xué)習(xí)的基礎(chǔ)知識，主要包括機器學(xué)習(xí)的概論、統(tǒng)計學(xué)習(xí)基礎(chǔ)、分類、聚類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、支持向量機、進化計算、文本分析等經(jīng)典的機器學(xué)習(xí)理論知識，也包括用于大數(shù)據(jù)機器學(xué)習(xí)的分布式機器學(xué)習(xí)算法、深度學(xué)習(xí)和加強學(xué)習(xí)等高等級內(nèi)容。此外，還介紹了機器學(xué)習(xí)的熱門應(yīng)用領(lǐng)域推薦技術(shù)，并給出了華為機器學(xué)習(xí)平臺上的實驗。本書深入淺出、內(nèi)容全面、案例豐富，每章后都有習(xí)

人工智能極簡歷史、開發(fā)環(huán)境準(zhǔn)備、初識TensorFlow、簡化神經(jīng)網(wǎng)絡(luò)模型、用神經(jīng)網(wǎng)絡(luò)解決非線性問題、從文件中載入訓(xùn)練數(shù)據(jù)、多層全連接神經(jīng)網(wǎng)絡(luò)、保存和載入訓(xùn)練過程、查看圖形化的模型、用訓(xùn)練好的模型進行預(yù)測、用高層工具簡化建模和訓(xùn)練過程、在其它語言中調(diào)用TensorFlow模型、用卷積神經(jīng)網(wǎng)絡(luò)進行圖像識別、循環(huán)神經(jīng)網(wǎng)絡(luò)初步、下一步學(xué)習(xí)方向指南

《計算機視覺教程（第2版）》系統(tǒng)地介紹了計算機視覺的基本原理、典型方法和實用技術(shù)，內(nèi)容包括圖像采集、圖像預(yù)處理、基元檢測、目標(biāo)分割、目標(biāo)表達和描述、紋理特性分析、形狀特性分析、立體視覺、三維景物恢復(fù)、運動特性分析、景物識別、廣義匹配、時空行為了解、場景解釋及計算機視覺系統(tǒng)。讀者可從中了解計算機視覺的基本原理和典型技術(shù)，并能據(jù)此解決計算機視覺應(yīng)用中的一些具體問題。本書提供了許多講解例題，每章均有要點小結(jié)、參考文獻介紹和

本教材為第2版，系統(tǒng)地介紹圖像處理和分析的一些基本原理、典型方法和實用技術(shù)。內(nèi)容包括圖像采集、空域圖像增強、頻域圖像增強、圖像恢復(fù)、圖像投影重建、圖像編碼基礎(chǔ)、圖像編碼技術(shù)和標(biāo)準(zhǔn)、基本圖像分割技術(shù)、典型圖像分割算法、目標(biāo)表達和描述、特征提取和測量誤差、彩色圖像處理和分析、視頻圖像處理和分析、數(shù)學(xué)形態(tài)學(xué)方法。