人工智能是研究利用計算機系統實現人類智能的理論、方法和技術的學科。本書較系統進介紹了人工智能的基本內容，主要包括人工智能發展的三次熱潮、知識與知識表示、推理方式、搜索策略、專家系統、機器學習、神經網絡模型、深度學習、計算機視覺、自然語言處理、知識圖譜、智能體、群智能算法、生物征識別和智能機器人等。 本書注重基本概念、基本方法和應用實例的介紹，譜言精煉、邏輯層次清晰、透合作為高等學校人工智能”課程的教材，也可以用作科技人員的參考書。
本書以PyTorch深度學習的常用技術與真實案例相結合的方式，深入淺出地介紹使用PyTorch實現深度學習應用的重要內容。本書共7章，內容包括深度學習概述、PyTorch深度學習通用流程、PyTorch深度學習基礎、手寫漢字識別、文本生成、基于CycleGAN的圖像風格轉換、基于TipDM大數據挖掘建模平臺實現文本生成等。本書大部分章包含實訓和課后習題，希望通過練習和操作實踐，幫助讀者鞏固所學的內容。 本書可以作為高等學校數據科學與大數據技術或人工智能相關專業的教材，也可作為深度學習愛好者的自學
本書以項目實踐作為主線，結合必需的理論知識，以任務的形式進行內容設計，每個任務都包含任務描述及任務實施的步驟，讀者按照實施步驟進行操作就可以完成相應的學習任務，從而不斷提升項目實踐能力。本書主要內容涉及機器學習的基礎知識，模型評估與選擇，回歸、分類、聚類等機器學習算法，數據挖掘的基礎知識，數據分析與應用，以及通過用戶行為分析預測項目學習如何將機器學習與數據挖掘應用到實際中。 本書適合使用機器學習與數據挖掘技術進行大數據處理的程序員、架構師和產品經理作為技術參考和培訓資料，也可作為高校本科生和研究
本書系統介紹了眾包學習的概念、應用領域、前沿課題和研究實踐。在基礎知識方面，本書介紹了眾包的起源與發展、眾包技術的研究方向，分析眾包模式給機器學習帶來的機遇與挑戰。在前沿技術方面，本書詳細闡述了眾包標注真值推斷與面向眾包標注數據的預測模型學習等前沿研究課題。在研究實踐方面，本書介紹了面向偏置標注的眾包標簽真值推斷、基于機器學習模型的眾包標簽噪聲處理、眾包標簽利用方法與集成學習模型、基于不確定性度量的眾包主動學習等典型研究案例。
本書以統計/數學為出發點, 介紹深度學習必備的數理基礎, 講解PyTorch的主體架構及最新的模塊功能, 包括常見算法與相關套件的使用方法, 例如對象偵測、生成對抗網絡、深度偽造、圖像中的文字辨識、臉部辨識、BERT/Transformer、聊天機器人、強化學習、自動語音識別、知識圖譜等。
本書是一本深度學習從入門、算法到應用實踐的書籍。全書共9章，第1章介紹深度學習基礎，主要介紹基本概念和基本算法；第2章介紹深度學習的計算平臺，主要介紹深度神經網絡計算芯片TPU的架構原理；第3章介紹深度學習編程環境和操作基礎，引導零基礎讀者快速入門Linux操作系統、Python編程語言、TensorFlow和PyTorch深度學習框架，為實現深度學習算法開發及應用部署奠定基礎；第4～8章基于卷積神經網絡，分別聚焦計算機視覺領域的幾大經典任務，包括圖像的分類、目標檢測、語義分割、實例分割、人臉檢
本書全面介紹了統計機器學習的主要算法，內容涉及多元線性回歸、對數線性回歸、邏輯斯蒂回歸、嶺回歸、Lasso回歸、判別分析和聚類分析等傳統方法，也涉及支持向量機、深度神經網絡以及集成學習等比較熱門的算法，并給出相應算法的R語言實現。本書還給出了向量和矩陣函數求導以及拉格朗日對偶等數學基礎，便于讀者理解相關算法推導。 本書可以作為統計機器學習等相關專業的教材和參考書，也可供從事相關領域研究的人員參考。
人工智能驅動的組學挖掘是數據驅動的生物醫學研究的支撐技術。組學測序技術逐步向多尺度、跨模態、有擾動等方向發展，但體現出的高維度、高噪聲、多模態、標記稀缺等特點，成為制約其有效挖掘的瓶頸。本書面向生命組學數據特點，較為系統和深入地對組學機器學習的主要研究范式、適用場景、分析方法、理論思想進行介紹。結合相應組學挖掘的具體研究案例，向讀者展示組學人工智能驅動的生命健康交叉研究的絢爛圖景。
數據驅動的在線協作學習分析是提升協作學習效果的重要基礎，是推動在線學習變革的重要力量。本書系統梳理了學習分析的研究現狀，闡釋了協作學習的理論基礎與研究熱點，構建了在線協作學習分析模型——KBS模型，設計了面向學習者和教師的群體感知工具，分別從學習者和教師視角分析了群體感知工具對學習者學習和教師教學的支持與指導，探討了社會調節學習在協作學習中的發生機制，展望了在線協作學習交互分析的發展趨勢，為研究者刻畫了協作學習分析領域的最新理論模型與研究進展，具有較強的理論價值與應用價值。
在數字化時代，嵌入式人工智能系統和深度學習等技術變得越來越重要。在嵌入式平臺上進行深度學習推理時會受到計算能力、存儲空間、能耗等資源限制的挑戰。本書從深度學習模型在資源受限的硬件平臺上部署的角度，介紹嵌入式AI系統的基本概念、需求、挑戰，以及其軟硬件解決方案。 本書共分為7章。第1章介紹了邊緣計算； 第2章介紹了嵌入式AI系統的基本概念及其面臨的需求與挑戰； 第3章介紹了嵌入式AI系統的硬件解決方案； 第4~6章介紹了嵌入式AI系統的軟件解決方案，包括DNN模型的構建及實現、輕量級DNN模
新書資訊 新書推薦