本書設(shè)計了七章內(nèi)容,第一至三章介紹人工智能的概念及基本的技術(shù)原理。第四至六章介紹人工智能技術(shù)在視覺、語音和自然語言處理中的應用,第七章介紹利用系統(tǒng)工程設(shè)計方法設(shè)計實現(xiàn)人工智能產(chǎn)品。每章由人工智能產(chǎn)品體驗、人工智能技術(shù)原理描述、人工智能技術(shù)實現(xiàn)實驗、人工智能應用方案設(shè)計實驗和人工智能的發(fā)展與應用等部分組成。

本書介紹深度學習領(lǐng)域先進的技術(shù)以及深度學習在主要的自然語言處理任務(wù)中的成功應用，包括語音識別和理解、對話系統(tǒng)、語義分析、句法分析、知識圖譜、機器翻譯、問答、情感分析、社會計算和基于圖像的自然語言生成。本書對深度學習時代自然語言處理領(lǐng)域的不同研究前沿進行了概括與分析，還列舉了深度學習與自然語言處理領(lǐng)域中交叉的技術(shù)性術(shù)語以

本書主要內(nèi)容包括機器學習緒論、Python基礎(chǔ)知識、模型評估及模型、機器學習及神經(jīng)網(wǎng)絡(luò)、MNIST識別及圖像分類。

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(guān)鍵技術(shù)領(lǐng)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(nèi)容包括深度學習數(shù)學基礎(chǔ),深度學習基礎(chǔ)模型(全連接網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、Transformer等)和實現(xiàn),多場景多領(lǐng)域最佳實踐,模型優(yōu)化、加速與部署等。

本書內(nèi)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(zhuǎn)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(jīng)網(wǎng)絡(luò)、自然語言處理、社會網(wǎng)絡(luò)、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(jīng)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(lǐng)讀者體驗身邊的人工智能技術(shù)應用，使讀者初步了解人工智能，然后引領(lǐng)讀者認識人工智能關(guān)鍵技術(shù)及應用，并使用手機APP實際操作不同領(lǐng)域(如設(shè)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(nèi)容包括體驗與認識身邊的人工智能技術(shù)

本書的主體內(nèi)容包括機器學習概念與特征工程、機器學習技術(shù)、模型關(guān)系管理，其中，模型關(guān)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(jīng)網(wǎng)絡(luò)集成和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)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(zhì)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