圖神經網絡是人工智能的一個熱點方向,從圖的視角解讀大數據,可以靈活建模復雜的信息交互關系,吸引大量學者的關注并在多個工業領域得到廣泛應用。《圖深度學習從理論到實踐》由淺入深,全面介紹圖神經網絡的基礎知識、典型模型方法和應用實踐。《圖深度學習從理論到實踐》不僅包括一般的深度學習基礎和圖基礎知識,還涵蓋了圖表示學習、圖卷積、圖注意力、圖序列等典型圖網絡模型,以自研的Galileo平臺為代表的圖學習框架,以及圖神經網絡在電商推薦和流量風控方面的兩個典型工業應用。《圖深度學習從理論到實
本書的寫作目的旨在幫助大量正走在、或即將走向學習機器學習路上的廣大讀者朋友。我們在日常教學和培養研究生過程中發現，很多同學一方面想學、愿意學；另一方面又遇到入門難的問題，希望能有一本書旨在幫助正走在或即將走向學習機器學習路上的廣大讀者朋友。我們在日常教學和培養研究生過程中發現，很多同學一方面想學、愿意學； 另一方面又遇到入門難的問題，希望能有一本書、一本教材講原理、給數據、給源碼、給實驗，帶著入門。本著這樣一個初衷，我們選擇了機器學習領域析十大經典算法，把我們平常培養碩士研究生一年級剛入校
未來網絡是什么樣子？構建未來網絡的關鍵技術有哪些？如果你在思考這些問題，請你一定要閱讀本書。AI助力通信網絡的發展構建了“網絡AI”，在此基礎上疊加云網融合、B5G/6G、網絡5.0、算力網絡、區塊鏈、數字孿生、量子通信、網絡安全等新的關鍵技術，共同打造“2030后的未來網絡”。本書通過講解和剖析上述關鍵技術，多維度地闡述了未來網絡發展的愿景和演進路徑，可讓讀者系統地學習與思考。 本書的主要讀者對象為電信運營商、電信設備提供商、電信咨詢行業的從業人員和從事通信科研的高校師生，以及關注通信行業技
本書介紹了人工智能和大數據涉及的核心概念和模型。書中涉及概念包括監督和非監督學習、數據類型、可視化、線性回歸、邏輯回歸、分類回歸樹、神經網絡等。同時，本書理論和實際并重，基于真實的實例和數據集，引入了R語言演示實際計算和操作，為讀者展示解決實際問題的代碼，從而讓讀者掌握在實際生活中解決相關問題的方法。 本書適合想要綜合學習人工智能、大數據和數據科學，尤其是想要依靠這些學科解決實際問題的人學習，也適合作為相關課程的參考教材。
本書以讀者熟知的姜子牙的故事為線索，圍繞人工智能技術的特色和應用，介紹自然語言處理、機器翻譯、計算機視覺等人工智能技術內容，并通過大量實例幫助讀者動手實踐，掌握用AI解決實際問題的能力。
本書旨在利用 TensorFlow 針對各種現實場景設計深度學習系統，引導讀者實現有趣的深度學習項目。本書涵蓋 10 個實踐項目，如用目標檢測 API 標注圖像、利用長短期記憶神經網絡（LSTM）預測股票價格、構建和訓練機器翻譯模型、檢測 Quora 數據集中的重復問題等。通過閱讀本書，讀者可以了解如何搭建深度學習的 TensorFlow 環境、如何構建卷積神經網絡以有效地處理圖像、如何利用長短期記憶神經網絡預測股票價格，以及如何實現一個能夠自己玩電子游戲的人工智能（AI）！ 本書適合數據科學
本書是一本系統介紹深度學習技術及開源框架PyTorch的入門書。書中通過大量案例介紹了PyTorch的使用方法、神經網絡的搭建、常用神經網絡（如卷積神經網絡、循環神經網絡）的實現，以及實用的深度學習技術，包括遷移學習、對抗生成學習、深度強化學習、圖神經網絡等。讀者通過閱讀本書，可以學會構造一個圖像識別器，生成逼真的圖畫，讓機器理解單詞與文本，讓機器作曲，教會機器玩游戲，還可以實現一個簡單的機器翻譯系統。 第2版基于PyTorch 1.6.0，對全書代碼進行了更新，同時增加了Transformer
《Scikit-Learn機器學習核心技術與實踐》循序漸進地講解了使用 Scikit-Learn 開發機器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 Scikit-Learn 的方法和流程。全書共10章，包括人工智能與Scikit-Learn 簡介，加載數據集，監督學習，無監督學習，模型選擇和評估，數據集轉換，實現大數據計算，英超聯賽比分預測系統（Matplotlib+Scikit-Learn+Flask+Pandas），AI考勤管理系統（face-recognition+Matpl
《TensorFlow Lite移動設備深度學習從入門到實踐》循序漸進地講解了使用 TensorFlow Lite開發移動設備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 Lite 的方法和流程。全書共12章，分別講解了人工智能和機器學習基礎、搭建開發環境、第一個 TensorFlow Lite程序、轉換模型、推斷、使用元數據進行推斷、優化處理、手寫數字識別器、鮮花識別系統、情感文本識別系統、物體檢測識別系統、智能客服系統。《TensorFlow Lit
主要內容●探索深度學習的**似然原理和統計學基礎●發現能輸出各種可能結果的概率模型●學習使用標準化流來建模和生成復雜分布●使用貝葉斯神經網絡獲取模型中的不確定性
新書資訊 新書推薦