本書包括七個項目,分別是全面知曉人工智能;人工智能1.0時代:圖靈的計算王國;人工智能2.0時代:知識,讓計算機更聰明;人工智能3.0時代:悄然興起的“機器學習”;人工智能4.0時代:“深度學習”打破以沉寂;正在展開的未來:人工智能對人類社會的影響;人工智能應用實踐:科技改變生活的前沿人工智能應用。

隨著時代的發(fā)展、計算機硬件性能的提升與大數據技術的進步,深度學習在理論上不斷創(chuàng)新,尤其在商業(yè)場景應用中取得重要成果,使得人工智能又一次進入黃金發(fā)展時期,“深度學習時代”已經來臨!本書將帶領讀者了解深度學習技術的理論及應用情況。全書共10章,分3部分。第1部分,即第1-第4章,主要介紹人工智能與神經網絡的基礎知識,以及深

本書參考物聯網應用技術人才培養(yǎng)的方案內容，針對物聯網應用技術專業(yè)人才培養(yǎng)所需要的技術（職業(yè)）領域所總結的典型工作任務來組織全書的內容體系。根據要完成每個典型工作任務的工作過程中所需的知識或技能來設計每個章節(jié)的內容。本書共分為8章，內容涵蓋了物聯網的特征及體系結構、物聯網底層感知技術、通信技術、嵌入式開發(fā)技術、云計算及大

人工智能是電子信息技術領域發(fā)展為迅速的新興交叉學科。本書作為人工智能學科的入門基礎，由淺入深、化繁為簡，全方位闡述人工智能相關理論背景、關鍵技術及部分典型應用。本書共12章：第1章闡述人工智能的定義、發(fā)展史，并展望其發(fā)展趨勢；第2～4章是人工智能學科的理論基礎，分別介紹知識的表示與理解方法、感知與連接以及判斷與控制方法

本書較完整地介紹了深度學習的基本概念、方法和技術。全書共10章，重點介紹了深度學習的基礎知識、深度學習的基本算法、深度學習中的正則化以及幾個典型的深度神經網絡（如深度卷積神經網絡、深度循環(huán)神經網絡、深度生成式對抗網絡、自編碼器、深度信念網絡、膠囊網絡等）。本書內容豐富、敘述詳細、實用性強，適合具有一定數學基礎的高年級本

本書在不涉及大量數學模型與復雜算法實現的前提下，從機器學習概述開始，由“泰坦尼克號數據分析與預處理”“良/惡性乳腺癌腫瘤預測”“波士頓房價預測”“手寫體數字聚類”“人臉特征降維”“在線旅行社酒店價格異常檢測”6個案例分別引入數據分析、分類、回歸、聚類、特征降維和異常檢測的應用開發(fā)實戰(zhàn)技術及其少量理論，能夠幫助讀者以最快

深度學習是目前***的技術領域。本書兼顧了數學上的理解和代碼實踐，內容主要包括基礎知識和深度學習模型。第1章介紹深度學習的簡潔發(fā)展思路和表示學習機制；第2章、第3章介紹神經網絡的基于梯度的優(yōu)化方法、神經網絡的優(yōu)化難點以及相應的解決方法；第4章討論神經網絡遇到的過擬合問題；第5章分析神經網絡的最小組成部分——神經元；第6

本書通過有趣的插圖和簡潔的文字帶您漫步在人工智能的世界中，與您分享這個非fan工具帶來的驚奇和震撼，同時幫助您了解它如何運行以及它的局限性。作者在每個章節(jié)都揭示了人工智能的某一特性，并充分評估了這一領域的種種可能性。作者還探討了研究人員面臨的挑戰(zhàn)及社會人工智能問題等。

統(tǒng)計學習是機器學習的重要分支，本書兼顧了數學上的理解和代碼實踐，內容主要包括基礎知識和統(tǒng)計學習模型。第1章、第2章結合VC維介紹過擬合的本質，并介紹手動特征選擇的辦法；第3章、第4章從最簡單的線性模型出發(fā)經過概率統(tǒng)計的解讀而得到分類和回歸算法；第5章討論了不依賴于假設分布的非參數模型；第6章將核方法作為一種非線性拓展的

本書共12章，第1章介紹機器學習的基本概念和理論，并介紹用于機器學習的R軟件環(huán)境的準備；第2章介紹如何應用R來管理數據，進行數據的探索分析和數據可視化；第3-9章介紹典型的機器學習算法，包括k近鄰分類算法、樸素貝葉斯算法、決策樹和規(guī)則樹、回歸預測、黑盒算法—神經網絡和支持向量機、關聯分析、k均值聚類，并給出大量的實際案