本書的主要內容涵蓋機器學習領域的主要模型和算法, 包括監督學習的分類和回歸模型與算法、非監督學習的聚類和降維算法、強化學習的主要算法、遷移學習的實例以及最新前沿的相關模型和算法的實踐。本書以實驗項目或案例為單元, 每個單元有明確的實驗目的、原理和實驗步驟, 包括基礎驗證性實驗、綜合設計性實驗和系統開發項目實踐。
隨著深度學習、大規模預訓練模型和生成式人工智能的進展，機器學習已成為解決很多工程和科學問題的**方案�！陡怕蕶C器學習》一書從概率建模和統計推斷的角度系統介紹機器學習的基本概念、經典算法及前沿進展。主要內容包括概率機器學習基礎、學習理論、概率圖模型、近似概率推斷、高斯過程、深度生成模型、強化學習等。全書從實例出發，由淺入深，直觀與嚴謹相結合，并提供了延伸閱讀內容和豐富的參考文獻。
《機器學習項目交付實戰》將介紹如何從模型和數據中獲取**性能，幫助你構建穩定的數據管道。通過高效的可復用技術集合，來確保應用程序工作流程的順利執行，以及提高模型的可維護性�；跀凳甑牧己密浖こ虒嵺`，機器學習工程可確保你的機器學習系統具有彈性、適應性和可執行性。《機器學習項目交付實戰》將介紹設計、構建和交付成功的機器學習項目的核心原則和上佳實踐。你將了解很多軟件工程技術，例如對原型進行實驗和實施模塊化設計，從而產生彈性架構和一致的跨團隊溝通。基于作者豐富的經驗，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習的基礎知識，為即將進入深度學習領域進行研究的讀者奠定基礎。全書共13章，其中，第1～4章為理論部分，第5～13章為應用部分。理論部分介紹了機器學習和深度學習的基本內容，以及TensorFlow開發框架的搭建和使用；應用部分設置了多個項目案例，并介紹了這些案例詳細的實現步驟和代碼，使讀者在練習中熟悉和掌握相關知識的應用方法與技巧。 本書采用項目驅動的編寫方式，做到了理論和實踐的結合。每個項目案例都提供配套的數據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框架介紹深度學習的有關理論和應用,以Python為實現語言。全書共分10章，內容包括深度學習的概念和發展過程、感知器、全連接神經網絡、卷積神經網絡、若干經典CNN預訓練模型及其遷移方法、深度卷積神經網絡應用案例、循環神經網絡、基于預訓練模型的自然語言處理、面向模型解釋的深度神經網絡可視化方法、多模態學習與多模態數據分類等。本書兼顧理論與應用、原理與方法，集系統性、實用性、便捷性于一體，易于入門，實例豐富，所有代碼全部經過調試和運行。此外，每一章后面都配有適量的習題，
閱讀本書，即使讀者僅掌握高中數學知識，也能理解和應用強大的機器學習技術！簡單來講，機器學習是一套以算法為基礎的數據分析技術，當你提供更多數據時，算法可反饋更好的結果。ML支持許多尖端技術，如推薦系統、面部識別軟件、智能揚聲器，甚至包括自動駕駛汽車。本書不落窠臼，示例豐富，精選的練習十分有趣，插圖清晰，講解機器學習的核心概念。《機器學習圖解》以簡明易懂的方式介紹機器學習的算法和技術。本書不談深奧的術語，只通過基本代數知識提供清晰的解釋。你將使用Python構建有趣的項目，包括垃圾郵件檢測和
本書基于卷積神經網絡和圖像識別方法，介紹了PyTorch和PaddlePaddle兩種框架，并結合移動機器人講解了具體的開發過程。書中所用的硬件平臺，帶有兩個攝像頭傳感器，為機器人和無人駕駛車輛多攝像頭導航提供了理論指導。書中提到的模擬沙盤，正是機器人作為園區巡檢或無人配送實例的縮影。通過基于理論的實踐，本書不局限于具體的平臺和場景，可以作為實現深度學習的通用化方法。本書源于工程化實踐，抽象為具體方法和案例，為學習基于深度學習的機器人技術提供了指南。
《圖解人工智能》從基礎概念、歷史沿革、基礎算法、代表性應用、**研究進展、跨學科交叉成果等多個方面深入介紹人工智能。為滿足不同程度學習者的學習需求，全書以圖片為主并輔以少量文字說明，每節配有小清愛提問在線視頻，具有初等閱讀能力的讀者（包括中小學生）可以輕松獲得人工智能的基礎知識和全局視野；每一節還包括擴展學習資料、深入閱讀材料和編程實踐資源供高等閱讀能力的讀者（包括大學生和教師）自學提高。為配合課堂教學，全書每一節都配有PPT課件、附加視頻資料、互動演示程序等教學資源。對應不同知識背景的讀
ChatGPT的發布被業界認為是通用人工智能的iPhone時刻，標志著自然語言處理領域新時代的到來。本書將由淺入深地為廣大讀者介紹ChatGPT的基礎概念、底層原理，不同場景下的運用實踐技巧，行業生態中熱門的應用，并適度展望多模態下的通用人工智能應用前景。最后，本書以群聊和文檔問答兩個具體場景的開源項目為例，演示講解如何使用ChatGPT API、向量數據庫和LangChain工具集，開發構建自己的ChatGPT應用。希望本書能為讀者深入了解ChatGPT的應用和潛力提供全面的指導和參考，激發更
計算神經科學作為腦科學與人工智能之間的橋梁，是一門高速發展的新興交叉學科。本書采用理論與實踐結合的方式為讀者講述計算神經科學的基礎知識。它從基礎的數學和物理原理出發，詳細介紹了各類神經元模型、突觸模型，以及具有不同結構和功能的網絡模型，如興奮—抑制平衡網絡、決策網絡、連續吸引子網絡、庫網絡等。本書不僅講解了理論知識，還基于BrainPy（專門針對計算神經科學設計的編程框架）提供了實踐代碼，使讀者能夠動手模擬和分析神經系統的行為和性質。本書既可以作為計算神經科學的教材，也可以作為對該領域感興趣的讀
新書資訊 新書推薦