本書以項目為導(dǎo)向介紹人工智能應(yīng)用系統(tǒng)開發(fā)，以華為昇騰為平臺，通過“智慧園區(qū)系統(tǒng)”項目講解了利用AI技術(shù)對智慧園區(qū)系統(tǒng)各功能模塊進行開發(fā)的全流程。本書共5個項目，項目1對“智慧園區(qū)系統(tǒng)”項目立項進行了整體介紹，項目2-項目5分別講述了智慧園區(qū)視覺模塊開發(fā)、智能管家語言模塊開發(fā)、智慧園區(qū)系統(tǒng)集成、基于MindSpore建模

本書共六章，內(nèi)容包括：人工智能應(yīng)用集成基礎(chǔ)、人工智能應(yīng)用集成需求分析、人工智能應(yīng)用集成設(shè)計開發(fā)、人工智能應(yīng)用集成產(chǎn)品交付、人工智能應(yīng)用集成產(chǎn)品運維、人工智能應(yīng)用集成產(chǎn)品認知實操。

本書圍繞人工智能技術(shù)應(yīng)用框架和認知規(guī)律，將“德”與“技”有機結(jié)合，由淺入深從“理念—開發(fā)—數(shù)據(jù)—算法—技術(shù)—產(chǎn)品—行業(yè)—情感”8個認知層面對人工智能技術(shù)進行剖析，構(gòu)建全棧知識體系。本書基于BOPPPS教學(xué)方法重構(gòu)教學(xué)環(huán)節(jié)，主要分為“導(dǎo)入—學(xué)習(xí)目標—知識探索—案例體驗—拓展閱讀—本章總結(jié)—學(xué)習(xí)評價—思考探索”8個環(huán)節(jié)，根

《深度學(xué)習(xí)模式與實踐》通過介紹**實踐、設(shè)計模式和可復(fù)制的架構(gòu)，指導(dǎo)讀者的深度學(xué)習(xí)項目從實驗室走向應(yīng)用。本書收集并闡明了近十年來真實世界中深度學(xué)習(xí)最緊密的洞察。讀者將通過每個有趣的例子學(xué)習(xí)相關(guān)技能，并建立信心。《深度學(xué)習(xí)模式與實踐》深入研究了如何構(gòu)建成功的深度學(xué)習(xí)應(yīng)用程序。通過將經(jīng)過驗證的模式和實踐應(yīng)用到自身項目中，讀

量子計算與人工智能的交叉融合，促使量子人工智能的不斷發(fā)展。本書旨在采用對深度學(xué)習(xí)愛好者友好的方式，構(gòu)建量子人工智能應(yīng)用。全書共13章，第1章和第2章系統(tǒng)介紹量子計算機發(fā)展脈絡(luò)和量子計算編程的基礎(chǔ)知識。第3~7章分別介紹不同的深度學(xué)習(xí)方法和在這些算法邏輯上構(gòu)建量子啟發(fā)算法的方式，用量子線路中的相位作為神經(jīng)網(wǎng)絡(luò)的可學(xué)習(xí)參數(shù)

本書對人工智能中的關(guān)鍵技術(shù)進行介紹，主要包括計算機視覺、自然語言處理、語音處理、知識表示與推理、專家系統(tǒng)與知識圖譜、問題求解與搜索技術(shù)、機器學(xué)習(xí)原理、機器學(xué)習(xí)應(yīng)用、人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、智能機器人等。本書引領(lǐng)讀者進入人工智能領(lǐng)域，了解人工智能的概念和發(fā)展簡史，理解人工智能的三大流派，并熟悉人工智能的主要研究內(nèi)容和應(yīng)用

本書側(cè)重于實證維度的經(jīng)濟和金融問題，以及如何用機器學(xué)習(xí)方法求解這些問題，通過建立相關(guān)模型得出相應(yīng)的結(jié)論。這包括各種區(qū)分深度學(xué)習(xí)模型(DNNs、cnn、lstm和DQNs)、生成機器學(xué)習(xí)模型(gan和VAEs)和基于樹的模型。本書內(nèi)容還涵蓋了經(jīng)濟學(xué)和機器學(xué)習(xí)的經(jīng)驗方法的交叉，包括回歸分析，自然語言處理，和降維。本書的讀者

《細說PyTorch深度學(xué)習(xí)：理論、算法、模型與編程實現(xiàn)》由業(yè)界專家編撰，采用理論描述加代碼實踐的思路，詳細介紹PyTorch的理論知識及其在深度學(xué)習(xí)中的應(yīng)用。全書分為兩篇，共16章。第一篇為基礎(chǔ)知識，主要介紹PyTorch的基本知識、構(gòu)建開發(fā)環(huán)境、卷積網(wǎng)絡(luò)、經(jīng)典網(wǎng)絡(luò)、模型保存和調(diào)用、網(wǎng)絡(luò)可視化、數(shù)據(jù)加載和預(yù)處理、數(shù)據(jù)

本書面向廣大數(shù)據(jù)科學(xué)與人工智能專業(yè)的學(xué)生及初學(xué)者，力求通俗易懂、簡潔清晰地呈現(xiàn)學(xué)習(xí)大數(shù)據(jù)與人工智能需要的基礎(chǔ)數(shù)學(xué)知識，助力讀者為進一步學(xué)習(xí)人工智能打好數(shù)學(xué)基礎(chǔ)。全書分為4篇，共19章：微積分篇（第1～5章），主要介紹極限、導(dǎo)數(shù)、極值、多元函數(shù)導(dǎo)數(shù)與極值、梯度下降法等；線性代數(shù)篇（第6～10章），主要介紹向量、矩陣、行列

本書從工業(yè)背景下的機器學(xué)習(xí)技術(shù)需求出發(fā),詳細討論機器學(xué)習(xí)的各個分支技術(shù),包括矩陣型分類學(xué)習(xí)技術(shù)、多視角學(xué)習(xí)技術(shù)、不平衡數(shù)據(jù)分類學(xué)習(xí)技術(shù)、集成學(xué)習(xí)技術(shù)和深度學(xué)習(xí)技術(shù)等,并在此基礎(chǔ)上,對機器學(xué)習(xí)相關(guān)的應(yīng)用系統(tǒng)進行了分析。全書采取理論與實踐并重的方式介紹機器學(xué)習(xí)技術(shù),在理論層面,力求覆蓋面廣,涵蓋機器學(xué)習(xí)技術(shù)的所有重要分支;