本書從概念和數(shù)學原理上對人工智能所涉及的數(shù)據(jù)處理常用算法、圖像識別、語音識別、自然語言處理、深度學習幾個主要方面進行了闡述，并以Python為主要工具進行了相應的編程實踐，以使讀者對人工智能相關技術有更直觀和深入的理解。此外，本書也用幾個獨立的章節(jié)從原理和實踐上介紹了量子計算、區(qū)塊鏈技術、并行計算、增強現(xiàn)實等與人工智能

大部分TensorFlow教材應用案例少，理論講解比較概括，學生數(shù)學基礎薄弱，對人工神經(jīng)網(wǎng)絡較難入門。本教材介紹TensorFlow的發(fā)展和特點后，通過案例詳細介紹TensorFlow的使用，著重細致地講解學生學習中遇到的難點，比如張量的形狀、卷積、池化、交叉熵等。通過案例讓學生逐層遞進地掌握TensorFlow，最后

《人工智能簡史》全面講述人工智能的發(fā)展史，幾乎覆蓋人工智能學科的所有領域，包括人工智能的起源、自動定理證明、專家系統(tǒng)、神經(jīng)網(wǎng)絡、自然語言處理、遺傳算法、深度學習、強化學習、超級智能、哲學問題和未來趨勢等，以宏闊的視野和生動的語言，對人工智能進行了全面回顧和深度點評。 第2版中每章都有新增內(nèi)容，并增加了全新的第13章，

本書致力于推動人工智能的普及教育，結(jié)合最新的人工智能科學技術的發(fā)展成果，使用通俗易懂的語言深入淺出地介紹了人工智能的相關知識，重點介紹了人工智能的孕育、人工智能的誕生、人工智能的復蘇、人工智能的高速發(fā)展、人工智能的應用分支和哲學與思考等方面，在每章節(jié)后都有與之對應的章節(jié)習題，供學習者學習，以強化學生解決問題的能力。

本書以TensorFlow2深度學習的常用技術與真實案例相結(jié)合的方式,深入淺出介紹TensorFlow2深度學習的重要內(nèi)容。全書共7章,內(nèi)容包括深度學習入門、TensorFlow2快速入門、深度神經(jīng)網(wǎng)絡原理及實現(xiàn)、基于CNN的門牌號識別、基于LSTM的語音識別、基于CycleGAN的圖像風格轉(zhuǎn)換等技術,以及如何使用Ti

據(jù)聯(lián)合國預測，2050年全球?qū)⑦_到100億人口。本書認為，地球養(yǎng)活100億人口是一個巨大的挑戰(zhàn)，人類將面臨“FEW”困境�！癋EW”是食物(Food)、能源(Energy)、水(Water)三個英文單詞的首字母縮寫，是人類生存與發(fā)展不可或缺的基礎性資源。然而，隨著地球上人口的增長，食物安全、淡水資源短缺、化石能源枯竭等

類腦人工智能是研究、開發(fā)用于模擬、延伸和擴展人腦智能的理論、方法及應用的技術科學，將類腦人工智能技術應用于目標檢測與跟蹤，可大幅提升復雜背景、干擾條件下的目標檢測概率及跟蹤精度，具有重要而廣泛的應用前景。本書系統(tǒng)闡述了人腦視覺信息處理機制的基本原理、主要特性、數(shù)學建模及算法設計等。同時，結(jié)合深度神經(jīng)網(wǎng)絡（DNN）、類腦

語言智能處理一直是人工智能領域的重要研究方向之一。本書按照研究歷程與現(xiàn)狀、關鍵技術與方法、發(fā)展趨勢與展望的基本脈絡，重點介紹了語言智能處理中的語言模型與知識表示、語言分析技術、語言情感分類、自然語言生成技術、自動問答與人機對話、機器翻譯、信息檢索與信息推薦等主題。本書所描述的內(nèi)容涉及人們?nèi)粘Ｉ�活中的真實應用場景，理論與

本書系統(tǒng)地描述了深度學習的基本理論算法及應用。全書共14章，第1~3章論述了數(shù)學基礎、機器學習基礎和深度學習基礎；第4~7章介紹了一些經(jīng)典網(wǎng)絡及計算機視覺領域中常用的CNN、RNN、GAN等網(wǎng)絡結(jié)構技術；第8~9章介紹了深度學習在計算機視覺領域的目標檢測及圖像分割兩大應用；第10~14章介紹了計算機視覺領域主要的優(yōu)化方

本書的目標，是讓非機器學習領域甚至非計算機專業(yè)出身但有學習需求的人，輕松地掌握機器學習的基本知識，從而擁有相關的實戰(zhàn)能力。本書通過AI“小白”小冰拜師程序員咖哥學習機器學習的對話展開，內(nèi)容輕松，實戰(zhàn)性強，主要包括機器學習快速上手路徑、數(shù)學和Python基礎知識、機器學習基礎算法（線性回歸和邏輯回歸）、深度神經(jīng)網(wǎng)絡、卷積