本書的主要內(nèi)容涵蓋機(jī)器學(xué)習(xí)領(lǐng)域的主要模型和算法, 包括監(jiān)督學(xué)習(xí)的分類和回歸模型與算法、非監(jiān)督學(xué)習(xí)的聚類和降維算法、強(qiáng)化學(xué)習(xí)的主要算法、遷移學(xué)習(xí)的實(shí)例以及最新前沿的相關(guān)模型和算法的實(shí)踐。本書以實(shí)驗(yàn)項(xiàng)目或案例為單元, 每個(gè)單元有明確的實(shí)驗(yàn)?zāi)康摹⒃砗蛯?shí)驗(yàn)步驟, 包括基礎(chǔ)驗(yàn)證性實(shí)驗(yàn)、綜合設(shè)計(jì)性實(shí)驗(yàn)和系統(tǒng)開(kāi)發(fā)項(xiàng)目實(shí)踐。
隨著深度學(xué)習(xí)、大規(guī)模預(yù)訓(xùn)練模型和生成式人工智能的進(jìn)展，機(jī)器學(xué)習(xí)已成為解決很多工程和科學(xué)問(wèn)題的**方案。《概率機(jī)器學(xué)習(xí)》一書從概率建模和統(tǒng)計(jì)推斷的角度系統(tǒng)介紹機(jī)器學(xué)習(xí)的基本概念、經(jīng)典算法及前沿進(jìn)展。主要內(nèi)容包括概率機(jī)器學(xué)習(xí)基礎(chǔ)、學(xué)習(xí)理論、概率圖模型、近似概率推斷、高斯過(guò)程、深度生成模型、強(qiáng)化學(xué)習(xí)等。全書從實(shí)例出發(fā)，由淺入深，直觀與嚴(yán)謹(jǐn)相結(jié)合，并提供了延伸閱讀內(nèi)容和豐富的參考文獻(xiàn)。
《機(jī)器學(xué)習(xí)項(xiàng)目交付實(shí)戰(zhàn)》將介紹如何從模型和數(shù)據(jù)中獲取**性能，幫助你構(gòu)建穩(wěn)定的數(shù)據(jù)管道。通過(guò)高效的可復(fù)用技術(shù)集合，來(lái)確保應(yīng)用程序工作流程的順利執(zhí)行，以及提高模型的可維護(hù)性。基于數(shù)十年的良好軟件工程實(shí)踐，機(jī)器學(xué)習(xí)工程可確保你的機(jī)器學(xué)習(xí)系統(tǒng)具有彈性、適應(yīng)性和可執(zhí)行性。《機(jī)器學(xué)習(xí)項(xiàng)目交付實(shí)戰(zhàn)》將介紹設(shè)計(jì)、構(gòu)建和交付成功的機(jī)器學(xué)習(xí)項(xiàng)目的核心原則和上佳實(shí)踐。你將了解很多軟件工程技術(shù)，例如對(duì)原型進(jìn)行實(shí)驗(yàn)和實(shí)施模塊化設(shè)計(jì)，從而產(chǎn)生彈性架構(gòu)和一致的跨團(tuán)隊(duì)溝通。基于作者豐富的經(jīng)驗(yàn)，本書中的每一種方法都被成
本書旨在介紹人工智能中深度學(xué)習(xí)的基礎(chǔ)知識(shí)，為即將進(jìn)入深度學(xué)習(xí)領(lǐng)域進(jìn)行研究的讀者奠定基礎(chǔ)。全書共13章，其中，第1～4章為理論部分，第5～13章為應(yīng)用部分。理論部分介紹了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基本內(nèi)容，以及TensorFlow開(kāi)發(fā)框架的搭建和使用；應(yīng)用部分設(shè)置了多個(gè)項(xiàng)目案例，并介紹了這些案例詳細(xì)的實(shí)現(xiàn)步驟和代碼，使讀者在練習(xí)中熟悉和掌握相關(guān)知識(shí)的應(yīng)用方法與技巧。 本書采用項(xiàng)目驅(qū)動(dòng)的編寫方式，做到了理論和實(shí)踐的結(jié)合。每個(gè)項(xiàng)目案例都提供配套的數(shù)據(jù)源文件和源代碼文件，使讀者可以直接感受案例效果。讀者也可以
本書基于PyTorch框架介紹深度學(xué)習(xí)的有關(guān)理論和應(yīng)用,以Python為實(shí)現(xiàn)語(yǔ)言。全書共分10章，內(nèi)容包括深度學(xué)習(xí)的概念和發(fā)展過(guò)程、感知器、全連接神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、若干經(jīng)典CNN預(yù)訓(xùn)練模型及其遷移方法、深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用案例、循環(huán)神經(jīng)網(wǎng)絡(luò)、基于預(yù)訓(xùn)練模型的自然語(yǔ)言處理、面向模型解釋的深度神經(jīng)網(wǎng)絡(luò)可視化方法、多模態(tài)學(xué)習(xí)與多模態(tài)數(shù)據(jù)分類等。本書兼顧理論與應(yīng)用、原理與方法，集系統(tǒng)性、實(shí)用性、便捷性于一體，易于入門，實(shí)例豐富，所有代碼全部經(jīng)過(guò)調(diào)試和運(yùn)行。此外，每一章后面都配有適量的習(xí)題，
閱讀本書，即使讀者僅掌握高中數(shù)學(xué)知識(shí)，也能理解和應(yīng)用強(qiáng)大的機(jī)器學(xué)習(xí)技術(shù)！簡(jiǎn)單來(lái)講，機(jī)器學(xué)習(xí)是一套以算法為基礎(chǔ)的數(shù)據(jù)分析技術(shù)，當(dāng)你提供更多數(shù)據(jù)時(shí)，算法可反饋更好的結(jié)果。ML支持許多尖端技術(shù)，如推薦系統(tǒng)、面部識(shí)別軟件、智能揚(yáng)聲器，甚至包括自動(dòng)駕駛汽車。本書不落窠臼，示例豐富，精選的練習(xí)十分有趣，插圖清晰，講解機(jī)器學(xué)習(xí)的核心概念。《機(jī)器學(xué)習(xí)圖解》以簡(jiǎn)明易懂的方式介紹機(jī)器學(xué)習(xí)的算法和技術(shù)。本書不談深?yuàn)W的術(shù)語(yǔ)，只通過(guò)基本代數(shù)知識(shí)提供清晰的解釋。你將使用Python構(gòu)建有趣的項(xiàng)目，包括垃圾郵件檢測(cè)和
本書基于卷積神經(jīng)網(wǎng)絡(luò)和圖像識(shí)別方法，介紹了PyTorch和PaddlePaddle兩種框架，并結(jié)合移動(dòng)機(jī)器人講解了具體的開(kāi)發(fā)過(guò)程。書中所用的硬件平臺(tái)，帶有兩個(gè)攝像頭傳感器，為機(jī)器人和無(wú)人駕駛車輛多攝像頭導(dǎo)航提供了理論指導(dǎo)。書中提到的模擬沙盤，正是機(jī)器人作為園區(qū)巡檢或無(wú)人配送實(shí)例的縮影。通過(guò)基于理論的實(shí)踐，本書不局限于具體的平臺(tái)和場(chǎng)景，可以作為實(shí)現(xiàn)深度學(xué)習(xí)的通用化方法。本書源于工程化實(shí)踐，抽象為具體方法和案例，為學(xué)習(xí)基于深度學(xué)習(xí)的機(jī)器人技術(shù)提供了指南。
《圖解人工智能》從基礎(chǔ)概念、歷史沿革、基礎(chǔ)算法、代表性應(yīng)用、**研究進(jìn)展、跨學(xué)科交叉成果等多個(gè)方面深入介紹人工智能。為滿足不同程度學(xué)習(xí)者的學(xué)習(xí)需求，全書以圖片為主并輔以少量文字說(shuō)明，每節(jié)配有小清愛(ài)提問(wèn)在線視頻，具有初等閱讀能力的讀者（包括中小學(xué)生）可以輕松獲得人工智能的基礎(chǔ)知識(shí)和全局視野；每一節(jié)還包括擴(kuò)展學(xué)習(xí)資料、深入閱讀材料和編程實(shí)踐資源供高等閱讀能力的讀者（包括大學(xué)生和教師）自學(xué)提高。為配合課堂教學(xué)，全書每一節(jié)都配有PPT課件、附加視頻資料、互動(dòng)演示程序等教學(xué)資源。對(duì)應(yīng)不同知識(shí)背景的讀
ChatGPT的發(fā)布被業(yè)界認(rèn)為是通用人工智能的iPhone時(shí)刻，標(biāo)志著自然語(yǔ)言處理領(lǐng)域新時(shí)代的到來(lái)。本書將由淺入深地為廣大讀者介紹ChatGPT的基礎(chǔ)概念、底層原理，不同場(chǎng)景下的運(yùn)用實(shí)踐技巧，行業(yè)生態(tài)中熱門的應(yīng)用，并適度展望多模態(tài)下的通用人工智能應(yīng)用前景。最后，本書以群聊和文檔問(wèn)答兩個(gè)具體場(chǎng)景的開(kāi)源項(xiàng)目為例，演示講解如何使用ChatGPT API、向量數(shù)據(jù)庫(kù)和LangChain工具集，開(kāi)發(fā)構(gòu)建自己的ChatGPT應(yīng)用。希望本書能為讀者深入了解ChatGPT的應(yīng)用和潛力提供全面的指導(dǎo)和參考，激發(fā)更
計(jì)算神經(jīng)科學(xué)作為腦科學(xué)與人工智能之間的橋梁，是一門高速發(fā)展的新興交叉學(xué)科。本書采用理論與實(shí)踐結(jié)合的方式為讀者講述計(jì)算神經(jīng)科學(xué)的基礎(chǔ)知識(shí)。它從基礎(chǔ)的數(shù)學(xué)和物理原理出發(fā)，詳細(xì)介紹了各類神經(jīng)元模型、突觸模型，以及具有不同結(jié)構(gòu)和功能的網(wǎng)絡(luò)模型，如興奮—抑制平衡網(wǎng)絡(luò)、決策網(wǎng)絡(luò)、連續(xù)吸引子網(wǎng)絡(luò)、庫(kù)網(wǎng)絡(luò)等。本書不僅講解了理論知識(shí)，還基于BrainPy（專門針對(duì)計(jì)算神經(jīng)科學(xué)設(shè)計(jì)的編程框架）提供了實(shí)踐代碼，使讀者能夠動(dòng)手模擬和分析神經(jīng)系統(tǒng)的行為和性質(zhì)。本書既可以作為計(jì)算神經(jīng)科學(xué)的教材，也可以作為對(duì)該領(lǐng)域感興趣的讀
新書資訊 新書推薦