本書對人工智能中的關鍵技術進行介紹，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、機器學習原理、機器學習應用、人工神經(jīng)網(wǎng)絡與深度學習、智能機器人等。本書引領讀者進入人工智能領域，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容和應用

本書側重于實證維度的經(jīng)濟和金融問題，以及如何用機器學習方法求解這些問題，通過建立相關模型得出相應的結論。這包括各種區(qū)分深度學習模型(DNNs、cnn、lstm和DQNs)、生成機器學習模型(gan和VAEs)和基于樹的模型。本書內容還涵蓋了經(jīng)濟學和機器學習的經(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深度學習：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習中的應用。全書分為兩篇，共16章。第一篇為基礎知識，主要介紹PyTorch的基本知識、構建開發(fā)環(huán)境、卷積網(wǎng)絡、經(jīng)典網(wǎng)絡、模型保存和調用、網(wǎng)絡可視化、數(shù)據(jù)加載和預處理、數(shù)據(jù)

本書面向廣大數(shù)據(jù)科學與人工智能專業(yè)的學生及初學者，力求通俗易懂、簡潔清晰地呈現(xiàn)學習大數(shù)據(jù)與人工智能需要的基礎數(shù)學知識，助力讀者為進一步學習人工智能打好數(shù)學基礎。全書分為4篇，共19章：微積分篇（第1～5章），主要介紹極限、導數(shù)、極值、多元函數(shù)導數(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)背景下的機器學習技術需求出發(fā),詳細討論機器學習的各個分支技術,包括矩陣型分類學習技術、多視角學習技術、不平衡數(shù)據(jù)分類學習技術、集成學習技術和深度學習技術等,并在此基礎上,對機器學習相關的應用系統(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習技術,在理論層面,力求覆蓋面廣,涵蓋機器學習技術的所有重要分支;

本書是一本適合理工科大學的控制論教材。全書共8章,包括控制工程的基本概念、拉普拉斯變換、系統(tǒng)的數(shù)學模型、系統(tǒng)時域響應分析、系統(tǒng)頻率特性分析、控制系統(tǒng)設計與矯正方法和離散系統(tǒng)的基本知識等內容。在敘述過程注重經(jīng)典控制理論的知識性、系統(tǒng)性和連貫性,講清概念,并配備了較多例題講解分析和習題練習;在內容論述中與現(xiàn)代計算機仿真技術

本書詳細介紹了人工智能的主要概念、技術和應用等。全書共5章，首先介紹了現(xiàn)階段數(shù)據(jù)標注崗位相關基礎知識；其次按照數(shù)據(jù)標注任務分類，分別介紹了圖像、視頻、自然語言和音頻數(shù)據(jù)標注方法和標注平臺使用的實用技術。本書面向高職院校人工智能技術應用等專業(yè)方向低年級學生及廣大人工智能初學者，書中內容緊跟課程思政要求，內容由淺入深，事實

本書主要講解分布式機器學習算法和開源框架，讀者既可以從宏觀的設計上了解分布式機器學習的概念和理論，也可以深入核心技術的細節(jié)設計中，對分布式機器學習形成深刻而直觀的認識，做到學以致用。本書共分為5篇，第1篇是分布式基礎，首先介紹了分布式機器學習的概念、基礎設施，以及機器學習并行化技術、框架和軟件系統(tǒng)，然后對集合通信和參數(shù)

本書重點講解基于云平臺的超參數(shù)優(yōu)化、神經(jīng)構架搜索以及算法選擇等內容，是自動機器學習的基本任務。介紹了基于三個主要云服務提供商（包括MicrosoftAzure、AmazonWebServices(AWS)和GoogleCloudPlatform）進行AutoML，同時部署ML模型和管道，具有較強的實用性。在應用場景中評

本書主要介紹深度學習項目化技術和分析應用，涵蓋初級視覺領域的智能分析應用和高級視覺領域的智能分析應用，在初級人工智能分析技術中介紹了人工智能的發(fā)展，從知識入手，講解人工智能的由來，同時介紹了人工智能學習的框架以及目標訓練的技術。