本書共14章。第1章對AIGC新時代進行闡述，第2章集中介紹AIGC工具，第3章對Prompt進行定義和說明。第4章到第13章針對多個行業的不同場景給出寫Prompt的技巧和案例。第14章對AI的未來進行展望。
本書系統地講解了深度學習技術，闡明核心概念和實踐編程技術，是開發者、數據科學家、分析師，以及之前沒有機器學習或統計經驗的人員人員的理想選擇。 本書介紹了深度神經網絡的人工神經元和全連接、卷積和循環層等基本構建模塊，展示了如何使用它們來構建先進的架構。書中還講解了如何使用這些概念構建計算機視覺和自然語言處理（NLP）網絡，包括Mask R-CNN、GPT和BERT。此外，書中還描述了自然語言翻譯器和能根據圖像內容生成自然語言系統的原理。
本書循序漸進地講解了使用TensorFlow開發深度學習程序的核心知識，并通過具體實例的實現過程演練了使用TensorFlow的方法和流程。書中首先講解了TensorFlow深度學習基礎知識；然后介紹了數據集制作、前饋神經網絡、卷積神經網絡、循環神經網絡、生成式對抗網絡、自然語言處理、注意力機制、概率圖模型、深度信念網絡、強化學習、無監督學習、TensorFlowLite移動端與嵌入式輕量級開發、TensorFlow.js智能前端開發等實戰應用內容；最后通過開發姿勢預測器和智能
本書遵循理念與方法、經典與前沿、技術與應用相融合滲透的原則，在理念、結構、內容和資源上都極具特色和創新。按照人工智能新知識體系，本書內容分為五大部分13 章。 將傳統或經典人工智能理論、方法與技術以及新一代人工智能技術和方法相結合，形成基礎概念（1-3章）+基礎技術（4-5章）+重點研究內容與方向（機器智能）（6-12章）+行業應用與倫理基礎（12、13章）的新知識體系模式。 本書提供了配套學習資源，可通過人郵教育社區（www.ryjiaoyu.com）下載本書配套的電子資源，包括教學大綱、教案
本書主要介紹主流的人工智能理論、算法以及Python實現方法，目的是使學生學會人工智能理論及推導過程，并且掌握調用Python人工智能庫和自定義編碼的方法。全書共分10章，分別為人工智能與Python概述、Python基礎、線性回歸及其Python實現、邏輯斯蒂分類及其Python實現、最大熵模型及其Python實現、K-近鄰分類與K-均值聚類及其Python實現、樸素貝葉斯分類及其Python實現、決策樹及其Python實現、神經網絡及其Python實現、圖像識別領域的應用案例。 本書可作為計
隨著人工智能技術的高速發展和廣泛應用，人工智能安全問題引發了人們的高度關注。本書介紹了人工智能安全的概念和范疇，并從理論技術、技術標準、產業生態、倫理、法律等不同的角度分析了人工智能所涉及的安全問題及其治理策略和解決方法。除概述外，本書介紹了采用可信計算技術解決人工智能安全問題的方法，以及無人系統安全、基于類腦計算的強人工智能及其安全、智能制造和智能城市中的人工智能應用安全、網絡安全、人工智能安全可控的產業生態建設、人工智能安全標準與風險評估預警、人工智能法律倫理。總體來說，本書既概要
本書首先對智能經濟的反饋路徑以及發展脈絡進行了總結梳理，借助價值創造理論進行分析，總結出智能企業運算智能、感知智能、認知智能三個階段，并據此分析了人工智能技術應用在智能經濟中發揮的關鍵作用。其次，本書根據商業模式理論比較了互聯網時代和智能時代的商業邏輯，指出互聯網時代以流量變現的邏輯為主，而數據增值則是智能經濟時代價值創造的全新方式，因此各行各業都應建立完整的數據增值模式，形成以數據為核心的價值創造流程閉環，數據生成智能，智能又帶來更多數據，充分發揮數據要素對智能經濟發展的價值。再次，
本書基于中國工程院重大咨詢研究項目人工智能2.0子課題自主式高級無人系統編寫，將針對智能無人系統共性基礎理論與關鍵技術，以及無人機、無人車、軌道交通自動駕駛、服務機器人、空間機器人、海洋/極地機器人、無人船、離散制造業無人車間 /智能工廠、流程工業無人車間/ 智能工廠、高端智能裝備等智能無人系統的智能技術以及自主無人操作系統，重點介紹國內外研究現狀、主要研究問題以及未來發展趨勢。為我國人工智能發展提供咨詢參考。
《MediaPipe機器學習跨平臺框架實戰》以實際項目為線索，帶領讀者探索MediaPipe在不同場景中的應用，使讀者既能了解理論知識，又能通過實踐掌握技能。全書共9章，第1章介紹MediaPipe基礎；第2章重點探討MediaPipe的控制流、同步機制以及GPU的使用；第3章介紹MediaPipe中的Facemesh，探討其在增強現實、AR濾鏡和視頻會議軟件中的應用；第4章將MediaPipe與游戲控制相結合，介紹如何在體感游戲中應用MediaPipe技術；第5章以AR激光劍效果、火箭發射小游
深度學習是計算機科學的一個重要分支，是一種以人工神經網絡為架構，對數據進行表征學習的算法的總稱。深度學習是傳統機器學習算法的發展和衍生，相關內容涉及代數、統計學、優化理論、矩陣計算等多個領域。《深度學習理論與實踐》是深度學習的基礎入門級教材，在內容上盡可能覆蓋深度學習算法相關基礎知識。全書共11章，大致可分為三大部分：第一部分(第1～3章)主要介紹機器學習的基礎知識和一些傳統算法；第二部分(第4～8章)主要介紹人工神經網絡等的相關理論、優化算法和各類經典神經網絡模型；第三部分(第9～11章)為進
新書資訊 新書推薦