<center id="0oowe"></center>
本書為讀者提供了一次深入探索人工智能和自動化編程的奇妙之旅。全書從AI（Artificial Intelligence，人工智能）的基本概念和背景入手，逐漸深入到如何使用具有代表性的AIGC工具ChatGPT、GitHub Copilot和Claude2等進(jìn)行自動化編程。此外，本書還詳細(xì)介紹了其他多種AI代碼生成解決方案。針對桌面應(yīng)用、Web應(yīng)用、游戲、辦公自動化等場景，本書還提供了豐富的實例。本書適合對AI和自動化編程感興趣的初學(xué)者閱讀，也適合有一定基礎(chǔ)并且想要提高開發(fā)技能的
本書全面地介紹了網(wǎng)絡(luò)表示學(xué)習(xí)的基本概念、模型和應(yīng)用。本書從網(wǎng)絡(luò)嵌入的背景和興起開始介紹，為讀者提供一個整體的描述；通過對多個代表性方法的介紹，闡述了網(wǎng)絡(luò)嵌入技術(shù)的發(fā)展和基于矩陣分解的統(tǒng)一網(wǎng)絡(luò)嵌入框架；提出了結(jié)合附加信息的網(wǎng)絡(luò)嵌入方法——結(jié)合圖中節(jié)點屬性/內(nèi)容/標(biāo)簽的網(wǎng)絡(luò)嵌入；面向不同特性圖結(jié)構(gòu)的網(wǎng)絡(luò)嵌入方法——面向具有社區(qū)結(jié)構(gòu)的/大規(guī)模的/異質(zhì)圖結(jié)構(gòu)的網(wǎng)絡(luò)嵌入。本書還進(jìn)一步介紹了網(wǎng)絡(luò)嵌入的不同應(yīng)用，如推薦場景和信息擴(kuò)散預(yù)測。本書的最后總結(jié)了這些方法和應(yīng)用，并展望了未來的研究方向。
在以ChatGPT為代表的大模型掀起AIGC（人工智能生成內(nèi)容）應(yīng)用熱潮之后，各行各業(yè)都希望深入了解流行的AI工具，將其引入日常工作，以節(jié)省工作時間，提高辦公效率。本書作者團(tuán)隊較早開始將AI工具應(yīng)用于實際工作，積累了豐富的使用經(jīng)驗，因此為沒有太多技術(shù)基礎(chǔ)的職場人士創(chuàng)作了這本實操指南。 本書分為三篇，上篇是基礎(chǔ)篇，介紹了AIGC的基礎(chǔ)知識及其應(yīng)用潛力；中篇是工具篇，介紹了AI文本應(yīng)用、AI繪畫和AI圖像處理的國內(nèi)外流行工具的基本功能和基礎(chǔ)用法；下篇是應(yīng)用篇，分別介紹了通用辦公場景下的AI應(yīng)用以及
本書先在系統(tǒng)性地梳理國內(nèi)外智慧城市的發(fā)展現(xiàn)狀以及指標(biāo)評價體系的基礎(chǔ)上，提煉智慧城市大框架下和無障礙便捷生活服務(wù)相關(guān)的子系統(tǒng)，探索各領(lǐng)域的智慧服務(wù)應(yīng)用。同時，基于多方面的調(diào)研，梳理出面向北京2022年冬殘奧會的智慧生活服務(wù)需求，歸納整合后提出面向冬殘奧會的智慧生活服務(wù)體系框架。 建立科學(xué)合理的面向冬殘奧會的智慧生活服務(wù)體系框架，不僅可以為北京2022年冬奧會和冬殘奧會利用智慧城市構(gòu)建高質(zhì)量生活服務(wù)體系提供理論框架，而且有助于將智慧信息技術(shù)領(lǐng)域的優(yōu)勢成果成體系地應(yīng)用在城市的生活服務(wù)中，
《Python機(jī)器學(xué)習(xí)實戰(zhàn)：基于Scikit-learn與PyTorch的神經(jīng)網(wǎng)絡(luò)解決方案》基于作者多年的積累，通過概念及其解釋、Python代碼示例及其解釋和代碼輸出，特別針對零基礎(chǔ)讀者精心設(shè)計了這本機(jī)器學(xué)習(xí)進(jìn)階指南。全書包含3部分16章的內(nèi)容，在介紹完編程和數(shù)據(jù)處理基礎(chǔ)之后，探討了監(jiān)督學(xué)習(xí)（如線性回歸、邏輯回歸及決策樹、樸素貝葉斯和支持向量機(jī)）、集成學(xué)習(xí)以及無監(jiān)督學(xué)習(xí)（如降維和聚類等）。值得一提的是，書的最后講到了神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基本思想，探討了人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)
內(nèi)容上，本書力求系統(tǒng)地介紹基于深度學(xué)習(xí)的圖文多模態(tài)信息處理技術(shù)，側(cè)重介紹最通用、最基礎(chǔ)的技術(shù)，覆蓋了多模態(tài)表示、對齊、融合和轉(zhuǎn)換等四大關(guān)鍵技術(shù)。同時也介紹了多模態(tài)信息處理領(lǐng)域的**發(fā)展前沿——多模態(tài)預(yù)訓(xùn)練模型。此外，為了讓讀者可以實踐這些多模態(tài)深度學(xué)習(xí)技術(shù)，本書提供了四個完整的實戰(zhàn)案例，分別對應(yīng)多模態(tài)表示、對齊、融合和轉(zhuǎn)換這四個關(guān)鍵技術(shù)。 具體而言，本書的內(nèi)容分為四個部分：初識多模態(tài)信息處理、單模態(tài)表示、多模態(tài)信息處理的關(guān)鍵技術(shù)、多模態(tài)預(yù)訓(xùn)練模型。 第
本書基于當(dāng)前流行的深度學(xué)習(xí)框架之一——Keras，從新手的角度出發(fā)，詳細(xì)講解Keras的原理，力求幫助讀者實現(xiàn)Keras從入門到精通。全書共9章，主要內(nèi)容包括初識深度學(xué)習(xí)、深度學(xué)習(xí)的數(shù)據(jù)預(yù)處理技術(shù)、使用Keras開發(fā)深度學(xué)習(xí)模型、卷積神經(jīng)網(wǎng)絡(luò)及圖像分類、循環(huán)神經(jīng)網(wǎng)絡(luò)在文本序列中的應(yīng)用、自編碼器、生成式對抗網(wǎng)絡(luò)、模型評估及模型優(yōu)化，以及深度學(xué)習(xí)實驗項目。本書內(nèi)容由淺入深、語言通俗易懂，從基本原理到案例應(yīng)用、從基礎(chǔ)算法到對復(fù)雜模型的剖析，讓讀者在循序漸進(jìn)的學(xué)習(xí)中理解Keras。 本書可作為高等院校計
本書以Keras深度學(xué)習(xí)的常用技術(shù)與真實案例相結(jié)合的方式，深入淺出地介紹使用Keras進(jìn)行深度學(xué)習(xí)的重要內(nèi)容。全書共7章，內(nèi)容包括深度學(xué)習(xí)概述、Keras深度學(xué)習(xí)通用流程、Keras深度學(xué)習(xí)基礎(chǔ)、基于RetinaNet的目標(biāo)檢測、基于LSTM網(wǎng)絡(luò)的詩歌生成、基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換、基于TipDM大數(shù)據(jù)挖掘建模平臺實現(xiàn)詩歌生成等。本書大部分章包含實訓(xùn)和課后習(xí)題，通過練習(xí)和操作實踐，讀者可以鞏固所學(xué)的內(nèi)容。本書可以作為高校數(shù)據(jù)科學(xué)或人工智能相關(guān)專業(yè)的教材，也可作為深度學(xué)
本書以人與技術(shù)的關(guān)系為基點，既對人工智能技術(shù)發(fā)展進(jìn)行梳理、對人工智能技術(shù)具體應(yīng)用進(jìn)行討論，又對人工智能技術(shù)發(fā)展帶來的社會前沿問題開展廣義的哲學(xué)分析。一方面，及時跟進(jìn)、關(guān)注人工智能技術(shù)發(fā)展現(xiàn)狀與趨勢，并以案例呈現(xiàn)人工智能技術(shù)發(fā)展的可能樣態(tài)及應(yīng)用。另一方面，關(guān)注人工智能技術(shù)發(fā)展在個人、社會、國家等多個方面產(chǎn)生的深刻影響，觀察和審視從技術(shù)賦能到技術(shù)風(fēng)險的可能傳導(dǎo)層面，討論促進(jìn)技術(shù)發(fā)展、社會治理與人類共生之間良性互動的路徑及方略。
本書共分為七章。第一章主要介紹數(shù)學(xué)對應(yīng)人工智能的重要性，以及代數(shù)學(xué)和分析學(xué)中的基礎(chǔ)概念，是后面各章的基礎(chǔ)。第二章和第三章分別介紹了微積分和線性代數(shù)核心內(nèi)容，并將相關(guān)基礎(chǔ)知識映射到人工智能領(lǐng)域，從這一視角理解數(shù)學(xué)基礎(chǔ)知識的工程應(yīng)用。第四章介紹了矩陣分解這一重要數(shù)學(xué)工具及其在人工智能領(lǐng)域的典型應(yīng)用。第五章介紹了概率論基礎(chǔ)知識及在人工智能領(lǐng)域的廣泛應(yīng)用。第六章介紹了最優(yōu)化理論及算法，以及它們在機(jī)器學(xué)習(xí)和人工智能中的基礎(chǔ)性應(yīng)用。第七章主要介紹了信息論的基本概念和在人工智能中常見的應(yīng)用。
新書資訊 新書推薦