JAX是一個用于高性能數(shù)值計算的Python庫，專門為深度學(xué)習(xí)領(lǐng)域的高性能計算而設(shè)計。本書詳解JAX框架深度學(xué)習(xí)的相關(guān)知識，配套示例源碼、PPT課件、數(shù)據(jù)集和開發(fā)環(huán)境。 本書共分為13章，內(nèi)容包括JAX從零開始，一學(xué)就會的線性回歸、多層感知機與自動微分器，深度學(xué)習(xí)的理論基礎(chǔ)，XLA與JAX一般特性，JAX的高級特性，JAX的一些細(xì)節(jié)，JAX中的卷積，JAX與TensorFlow的比較與交互，遵循JAX函數(shù)基本規(guī)則下的自定義函數(shù)，JAX中的高級包。后給出3個實戰(zhàn)案例：使用ResNet完成CI
本書圍繞scikit-learn庫，詳細(xì)介紹機器學(xué)習(xí)模型、算法、應(yīng)用場景及其案例實現(xiàn)方法，通過對相關(guān)算法循序漸進的講解，帶你輕松踏上機器學(xué)習(xí)之旅。本書采用理論與實踐相結(jié)合的方式，結(jié)合Python3語言的強大功能，以小的編程代價來實現(xiàn)機器學(xué)習(xí)算法。本書配套PPT課件、案例源碼、數(shù)據(jù)集、開發(fā)環(huán)境與答疑服務(wù)。 本書共分13章，內(nèi)容包括機器學(xué)習(xí)的基礎(chǔ)理論、模型范式、策略、算法以及機器學(xué)習(xí)的應(yīng)用開發(fā)，涵蓋特征提取、簡單線性回歸、k近鄰算法、多元線性回歸、邏輯回歸、樸素貝葉斯、非線性分類、決策樹回歸、
《PyTorch編程技術(shù)與深度學(xué)習(xí)》講述深度學(xué)習(xí)的基本原理，使用PyTorch展示涉及的深度學(xué)習(xí)算法。通過理論講解和編程操作，使讀者了解并掌握深度學(xué)習(xí)的原理和PyTorch編程技能，拉近理論與實踐的距離。全書共分9章，主要內(nèi)容包括PyTorch介紹、PyTorch基礎(chǔ)編程、深度學(xué)習(xí)快速入門、神經(jīng)網(wǎng)絡(luò)訓(xùn)練與優(yōu)化、卷積神經(jīng)網(wǎng)絡(luò)原理、卷積神經(jīng)網(wǎng)絡(luò)示例、詞嵌入模型、循環(huán)神經(jīng)網(wǎng)絡(luò)原理、NLP示例。書中不但涵蓋成熟的卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的原理和示例，還包含一些新的如Transformer和知識蒸
圖神經(jīng)網(wǎng)絡(luò)是人工智能的一個熱點方向,從圖的視角解讀大數(shù)據(jù),可以靈活建模復(fù)雜的信息交互關(guān)系,吸引大量學(xué)者的關(guān)注并在多個工業(yè)領(lǐng)域得到廣泛應(yīng)用。《圖深度學(xué)習(xí)從理論到實踐》由淺入深,全面介紹圖神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識、典型模型方法和應(yīng)用實踐。《圖深度學(xué)習(xí)從理論到實踐》不僅包括一般的深度學(xué)習(xí)基礎(chǔ)和圖基礎(chǔ)知識,還涵蓋了圖表示學(xué)習(xí)、圖卷積、圖注意力、圖序列等典型圖網(wǎng)絡(luò)模型,以自研的Galileo平臺為代表的圖學(xué)習(xí)框架,以及圖神經(jīng)網(wǎng)絡(luò)在電商推薦和流量風(fēng)控方面的兩個典型工業(yè)應(yīng)用。《圖深度學(xué)習(xí)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?qū)W習(xí)機器學(xué)習(xí)路上的廣大讀者朋友。我們在日常教學(xué)和培養(yǎng)研究生過程中發(fā)現(xiàn)，很多同學(xué)一方面想學(xué)、愿意學(xué)；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?qū)W習(xí)機器學(xué)習(xí)路上的廣大讀者朋友。我們在日常教學(xué)和培養(yǎng)研究生過程中發(fā)現(xiàn)，很多同學(xué)一方面想學(xué)、愿意學(xué)； 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(shù)據(jù)、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(xué)習(xí)領(lǐng)域析十大經(jīng)典算法，把我們平常培養(yǎng)碩士研究生一年級剛?cè)胄?/p>
未來網(wǎng)絡(luò)是什么樣子？構(gòu)建未來網(wǎng)絡(luò)的關(guān)鍵技術(shù)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(wǎng)絡(luò)的發(fā)展構(gòu)建了“網(wǎng)絡(luò)AI”，在此基礎(chǔ)上疊加云網(wǎng)融合、B5G/6G、網(wǎng)絡(luò)5.0、算力網(wǎng)絡(luò)、區(qū)塊鏈、數(shù)字孿生、量子通信、網(wǎng)絡(luò)安全等新的關(guān)鍵技術(shù)，共同打造“2030后的未來網(wǎng)絡(luò)”。本書通過講解和剖析上述關(guān)鍵技術(shù)，多維度地闡述了未來網(wǎng)絡(luò)發(fā)展的愿景和演進路徑，可讓讀者系統(tǒng)地學(xué)習(xí)與思考。 本書的主要讀者對象為電信運營商、電信設(shè)備提供商、電信咨詢行業(yè)的從業(yè)人員和從事通信科研的高校師生，以及關(guān)注通信行業(yè)技
本書介紹了人工智能和大數(shù)據(jù)涉及的核心概念和模型。書中涉及概念包括監(jiān)督和非監(jiān)督學(xué)習(xí)、數(shù)據(jù)類型、可視化、線性回歸、邏輯回歸、分類回歸樹、神經(jīng)網(wǎng)絡(luò)等。同時，本書理論和實際并重，基于真實的實例和數(shù)據(jù)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(guān)問題的方法。 本書適合想要綜合學(xué)習(xí)人工智能、大數(shù)據(jù)和數(shù)據(jù)科學(xué)，尤其是想要依靠這些學(xué)科解決實際問題的人學(xué)習(xí)，也適合作為相關(guān)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(shù)的特色和應(yīng)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(shù)內(nèi)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(xiàn)實場景設(shè)計深度學(xué)習(xí)系統(tǒng)，引導(dǎo)讀者實現(xiàn)有趣的深度學(xué)習(xí)項目。本書涵蓋 10 個實踐項目，如用目標(biāo)檢測 API 標(biāo)注圖像、利用長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）預(yù)測股票價格、構(gòu)建和訓(xùn)練機器翻譯模型、檢測 Quora 數(shù)據(jù)集中的重復(fù)問題等。通過閱讀本書，讀者可以了解如何搭建深度學(xué)習(xí)的 TensorFlow 環(huán)境、如何構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)以有效地處理圖像、如何利用長短期記憶神經(jīng)網(wǎng)絡(luò)預(yù)測股票價格，以及如何實現(xiàn)一個能夠自己玩電子游戲的人工智能（AI）！ 本書適合數(shù)據(jù)科學(xué)
本書是一本系統(tǒng)介紹深度學(xué)習(xí)技術(shù)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(jīng)網(wǎng)絡(luò)的搭建、常用神經(jīng)網(wǎng)絡(luò)（如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)）的實現(xiàn)，以及實用的深度學(xué)習(xí)技術(shù)，包括遷移學(xué)習(xí)、對抗生成學(xué)習(xí)、深度強化學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)等。讀者通過閱讀本書，可以學(xué)會構(gòu)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(xiàn)一個簡單的機器翻譯系統(tǒng)。 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
新書資訊 新書推薦