本書提到三個循環(huán)：第一個循環(huán)也是最核心的循環(huán)，即世代沿襲的人類本能。人類天生具有偏見，而且更傾向于使用大腦的系統(tǒng)1行事，在這個過程中，人類原有的偏見進一步被強化，形成第一個循環(huán)。第二個循環(huán)是來自現(xiàn)代的力量，如消費類技術、資本主義、營銷和政治，它們對核心循環(huán)的人類行為進行采樣，總結出模式，再將這些模式反作用于人類，最終引

本書圍繞自主無人系統(tǒng)發(fā)展背景、發(fā)展現(xiàn)狀、技術挑戰(zhàn)、倫理道德和政策法律等問題展開闡述。首先介紹了自主無人系統(tǒng)的相關概念、發(fā)展歷程、發(fā)展現(xiàn)狀和發(fā)展趨勢；其次重點分析了自主無人系統(tǒng)涉及的關鍵技術，包括感知與認知、決策與規(guī)劃、行動與控制、交互與協(xié)同、學習與進化等；然后分析了使用自主無人武器系統(tǒng)面臨的倫理道德與政策法律問題，并介

機器學習數(shù)學基礎

本書以PyTorch作為深度學習框架，主要包括4部分。第1部分（第1、2章），主要概述PyTorch基礎知識與常見深度學習算法實現(xiàn)，例如，CNN、LSTM，即CNN-LSTM；第2部分（第3～5章）高級神經(jīng)網(wǎng)絡實現(xiàn)，主要包括常見的深度學習網(wǎng)絡結構，例如CNN、RNN及最新的Transformer等模型；第3部分（第6～

閱讀本書需要具備一定的Python語言編程基礎知識。編者充分調(diào)研了行業(yè)、企業(yè)對人才技術技能的需求，將教學過程和企業(yè)深度學習模型的訓練與部署、人工智能應用開發(fā)等生產(chǎn)過程銜接，與企業(yè)一線工程人員共同研究學生需要掌握的職業(yè)理論知識和技能，同時參照人工智能深度學習工程應用職業(yè)技能等級證書要求，將證書和崗位需求充分融入本書。本書

智能問答技術在自然語言處理和人工智能領域發(fā)揮著重要的作用。它將信息檢索、知識表示和自然語言處理技術融合在一起，為智能推薦、網(wǎng)絡客服等任務提供了杰出的支持。本書共分為11章，分為3個部分。第1部分主要介紹知識庫的構建，包括現(xiàn)有的知識庫構建技術、基礎知識、數(shù)據(jù)采集技術、數(shù)據(jù)轉換儲存和查詢流程、異構數(shù)據(jù)源實體對齊和面向知識圖

圖可以被用于表示各類對象之間的關系，而圖神經(jīng)網(wǎng)絡是指專門用于處理圖數(shù)據(jù)的深度學習模型，可實現(xiàn)對圖數(shù)據(jù)的建模和推斷。本書系統(tǒng)地介紹了圖神經(jīng)網(wǎng)絡的基本原理、常用模型和應用領域等。首先介紹了兩類最基本的圖神經(jīng)網(wǎng)絡方法GCN和GraphSAGE，并給出了圖神經(jīng)網(wǎng)絡的學習目標、評價方法；然后對圖神經(jīng)網(wǎng)絡中常用的模型結構進行了深入

生成式AI是科技領域最炙手可熱的話題。這本實踐用書教授機器學習工程師和數(shù)據(jù)科學人員如何利用TensorFlow和Keras從零開始創(chuàng)建令人印象深刻的生成式深度學習模型，包括變分自編碼器(VAE)、生成對抗網(wǎng)絡(GAN)、Transformers、歸一化流、基于能量的模型和去噪擴散模型。本書從深度學習的基礎知識開始，逐步

本書包含代碼實踐和案例實踐，運用OpenCV、PyTorch等框架工具詳細講解中文車牌識別檢測、采用三元組的FaceNet人臉識別理論與實踐、車道檢測的兩種深度學習思路及煙霧檢測4大實踐項目。相關理論可參考《基于深度學習的目標檢測原理與應用》一書，從而學以致用、融會貫通。

許多部門和行業(yè)都渴望將AI和數(shù)據(jù)驅動技術整合到自己的系統(tǒng)和運營中。但要構建真正成功的AI系統(tǒng)，你需要牢固掌握底層的數(shù)學知識。這本綜合指南彌補了AI所展現(xiàn)出的無限潛力和應用與相關數(shù)學基礎之間的存在的現(xiàn)實差距。作者HalaNelson并沒有討論高深的學術理論，而是以現(xiàn)實世界的應用和最先進的模型為重點，介紹了在人工智能領域發(fā)