點亮科技樹·科學(xué)輕閱讀書系融合科學(xué)與藝術(shù)，科技與人文，近觀基礎(chǔ)性的科學(xué)知識，遠(yuǎn)觀的科學(xué)前沿探索，主題從宇宙探索到身邊的科學(xué)，用通俗易懂的文字和有趣的插圖，給孩子展現(xiàn)科學(xué)的魅力，適合812歲孩子閱讀。本書以人工智能為主題，從科幻中的暢想、科學(xué)家的探索、未來的人工智能方面，介紹了關(guān)于人工智能的相關(guān)知識，如機(jī)器

本書是2023年不可錯過的AIGC入門讀物，是介紹大語言模型時代ChatGPT的重要資料，由人工智能獨角獸企業(yè)硅基智能核心團(tuán)隊編纂而成，結(jié)合生動的比喻和有趣的案例，從大模型的一個典型場景切入，詳細(xì)解讀了AIGC的由來及發(fā)展歷程，探討大模型在圖像視頻生成，短視頻、數(shù)字人制作，語音合成、克隆與變換等方面的應(yīng)用。書中還涉及了

:寫給孩子的編程思維啟蒙書--走近AI(人工智能),從人工智能的發(fā)展歷史和人工智能存在的問題點出發(fā),引出人工智能的5大功能:知識、推理、探索、分類、學(xué)習(xí)。寫給孩子的編程思維啟蒙書--趣學(xué)編程,不是講解具體的編程語言,而是向孩子介紹編程的思考方法:運算符、條件分支、變量·型、排列、重復(fù)、函數(shù)。寫給孩子的編程思維啟蒙書--

本書是一本由淺入深地介紹深度學(xué)習(xí)的理論原理及PyTorch深度學(xué)習(xí)框架的入門書籍，全書通過圖文并茂的方式對重點知識進(jìn)行講解，注重實踐，詳細(xì)地介紹了PyTorch的基本使用、神經(jīng)網(wǎng)絡(luò)的構(gòu)建和訓(xùn)練技巧、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的實現(xiàn)，以及前沿的深度生成模型的應(yīng)用。通過學(xué)習(xí)本書，讀者不僅可以了解深度學(xué)習(xí)，而且可以輕松實現(xiàn)機(jī)

《細(xì)說機(jī)器學(xué)習(xí)：從理論到實踐》從數(shù)學(xué)知識入手，詳盡細(xì)致地闡述機(jī)器學(xué)習(xí)各方面的理論知識、常用算法與流行框架，并以大量代碼示例進(jìn)行實踐。本書內(nèi)容分為三篇：篇為基礎(chǔ)知識，包括機(jī)器學(xué)習(xí)概述、開發(fā)環(huán)境和常用模塊、特征工程、模型評估、降維方法等內(nèi)容。本篇詳細(xì)而友好地介紹機(jī)器學(xué)習(xí)的核心概念與原理，并結(jié)合大量示例幫助讀者輕松入門。第二

《深度序列模型與自然語言處理：基于TensorFlow2實踐》以自然語言和語音信號處理兩大應(yīng)用領(lǐng)域為載體，詳細(xì)介紹深度學(xué)習(xí)中的各種常用序列模型。在講述理論知識的同時輔以代碼實現(xiàn)和講解，幫助讀者深入掌握相關(guān)知識技能�！渡疃刃蛄心Ｐ团c自然語言處理：基于TensorFlow2實踐》共12章，不僅涵蓋了詞向量、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷

本書是“比爾·畢曉普商業(yè)經(jīng)典”系列圖書中的一冊。比爾·畢曉普提供了人工智能和自動化時代的29種制勝策略,包括從最基本的戰(zhàn)略層面,到用更少的資源創(chuàng)造更多的價值,再到如何與當(dāng)下的科技進(jìn)行互動等。作者用獨特的敘述和輕松的故事為我們梳理了AI和自動化時代下所需的技能,例如他提出在“人機(jī)共舞”的時代,人們所需要具備的能力為無限的

本書對“西瓜書”中除了公式以外的重難點內(nèi)容加以解析,以過來人視角給出學(xué)習(xí)建議,對比較難理解的公式和重點內(nèi)容擴(kuò)充具體例子說明,以及對跳步過大的公式補(bǔ)充具體的推導(dǎo)細(xì)節(jié)。全書共16章,與西瓜書章節(jié)、公式一一對應(yīng),每個公式的解析和推導(dǎo)本書都以本科數(shù)學(xué)基礎(chǔ)的視角進(jìn)行講解,希望能夠幫助讀者成為合格的“理工科數(shù)學(xué)基礎(chǔ)扎實點的大二下學(xué)

本書是一本人工智能應(yīng)用方法論的書，從技術(shù)原理、項目實踐到商業(yè)戰(zhàn)略再到實踐課，逐層放開視野。 部分首先圍繞機(jī)器為何學(xué)習(xí)和機(jī)器怎樣學(xué)習(xí)展開，樹立機(jī)器學(xué)習(xí)的基本觀念，認(rèn)識大數(shù)據(jù)對機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的價值，啟發(fā)對產(chǎn)業(yè)應(yīng)用的思考；然后聚焦機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的技術(shù)原理和實踐經(jīng)驗，詳述假設(shè)目標(biāo)尋解的學(xué)習(xí)框架，探討模型如何變強(qiáng)，以及建

強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)的重要分支，是實現(xiàn)通用人工智能的重要途徑。本書介紹了強(qiáng)化學(xué)習(xí)在算法層面的快速發(fā)展，包括值函數(shù)、策略梯度、值分布建模等基礎(chǔ)算法，以及為了提升樣本效率產(chǎn)生的基于模型學(xué)習(xí)、探索與利用、多目標(biāo)學(xué)習(xí)、層次化學(xué)習(xí)、技能學(xué)習(xí)等算法，以及一些新興領(lǐng)域，包括離線學(xué)習(xí)、表示學(xué)習(xí)、元學(xué)習(xí)等，旨在提升數(shù)據(jù)高效性和策略的泛化能