使用TensorFlow為多個(gè)移動(dòng)平臺(tái)構(gòu)建智能深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)應(yīng)用程序。本書涵蓋了10余個(gè)由TensorFlow提供支持并從頭開始構(gòu)建的完整iOS、Android和樹莓派應(yīng)用程序，可在設(shè)備上離線運(yùn)行各種TensorFlow模型：從計(jì)算機(jī)視覺、語(yǔ)音識(shí)別和自然語(yǔ)言處理到生成對(duì)抗網(wǎng)絡(luò)以及AlphaZero（如深度強(qiáng)化學(xué)習(xí)）

本書從技術(shù)應(yīng)用角度介紹了人工智能、大數(shù)據(jù)等相關(guān)技術(shù)。對(duì)人工智能基礎(chǔ)概述、技術(shù)分類、基本原理、開發(fā)平臺(tái)、應(yīng)用場(chǎng)景、案例體驗(yàn)等的系統(tǒng)介紹能使讀者快速建立起對(duì)人工智能技術(shù)的全貌認(rèn)識(shí)，培養(yǎng)讀者繼續(xù)深入學(xué)習(xí)人工智能技術(shù)的濃厚興趣。本書共9章內(nèi)容，內(nèi)容包括：人工智能概述、Python語(yǔ)言基礎(chǔ)、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)、計(jì)算機(jī)視覺、語(yǔ)音處

"網(wǎng)絡(luò)圖作為一種描述復(fù)雜系統(tǒng)結(jié)構(gòu)的通用表征方法，近年來獲得了包括生命科學(xué)、社會(huì)科學(xué)、計(jì)算機(jī)科學(xué)以及物理學(xué)等諸多領(lǐng)域的關(guān)注。本書結(jié)合網(wǎng)絡(luò)圖結(jié)構(gòu)進(jìn)行機(jī)器學(xué)習(xí)算法設(shè)計(jì)，涉及圖嵌入、圖神經(jīng)網(wǎng)絡(luò)以及對(duì)抗攻防和增強(qiáng)等內(nèi)容。全書共8章：第1章概述了圖上的機(jī)器學(xué)習(xí)任務(wù)及算法；第2—5章分別介紹了節(jié)點(diǎn)分類、鏈路預(yù)測(cè)、社團(tuán)檢測(cè)、圖分類的機(jī)

"人工智能技術(shù)的顛覆性、復(fù)雜性和社會(huì)關(guān)聯(lián)性，特別是強(qiáng)人工智能的可能性，正在或?qū)⒁�給人類社會(huì)帶來深刻的由內(nèi)而外的變革，引發(fā)了諸多方面的倫理挑戰(zhàn)和風(fēng)險(xiǎn)。本書以此為背景結(jié)合相關(guān)領(lǐng)域的研究進(jìn)展，對(duì)人工智能技術(shù)的發(fā)展、人工智能倫理的淵源、人工智能倫理問題、人工智能倫理規(guī)范、人工智能職業(yè)道德等進(jìn)行全面的梳理和介紹。全書共有9章內(nèi)容

本書主要介紹統(tǒng)計(jì)機(jī)器學(xué)習(xí)領(lǐng)域常用的基礎(chǔ)模型、算法和代碼實(shí)現(xiàn)。包括統(tǒng)計(jì)機(jī)器學(xué)習(xí)、Python語(yǔ)言基礎(chǔ)，常用的線性回歸、貝葉斯分類器、邏輯回歸、SVM、核方法、集成學(xué)習(xí)，以及深度學(xué)習(xí)中的多層感知器、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、變分自編碼器、對(duì)抗生成網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)等模型與優(yōu)化方法，使用Scikit-Learn、TensorF

本書以Python為開發(fā)語(yǔ)言，采用理論與實(shí)踐相結(jié)合的形式，系統(tǒng)全面地介紹了機(jī)器學(xué)習(xí)涉及的核心知識(shí)。本書共6章，其中第1章介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)，包括機(jī)器學(xué)習(xí)的概念、分類、研究范圍、開發(fā)環(huán)境等，介紹第一個(gè)機(jī)器學(xué)習(xí)案例；第2、3章介紹機(jī)器學(xué)習(xí)的主要方法：監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)，涉及目前機(jī)器學(xué)習(xí)最為流行的經(jīng)典算法和模型，如KN

近年來，人工智能已經(jīng)從科幻走入現(xiàn)實(shí)。要理解并運(yùn)用人工智能技術(shù)，需要熟悉并掌握相關(guān)的數(shù)學(xué)基礎(chǔ)知識(shí)。為此，本書整理了人工智能領(lǐng)域涉及的線性代數(shù)、矩陣?yán)碚摗?優(yōu)化、概率論、信息論以及多元統(tǒng)計(jì)分析等基礎(chǔ)知識(shí)，讀者可根據(jù)需求選取相應(yīng)的章節(jié)進(jìn)行學(xué)習(xí)。通常，有意深入了解人工智能的讀者，往往已經(jīng)具備微積分和線性代數(shù)等知識(shí)儲(chǔ)備。鑒于此，

本書聚焦近期涌現(xiàn)的人工智能、機(jī)器人工程、智能醫(yī)學(xué)工程等新工科專業(yè)對(duì)于人才培養(yǎng)的實(shí)際需求，著力解決人工智能基礎(chǔ)知識(shí)交叉貫通不足、配套實(shí)驗(yàn)實(shí)踐支撐不強(qiáng)等問題。書中主要內(nèi)容包括Python編程基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、深度學(xué)習(xí)計(jì)算框架、卷積神經(jīng)網(wǎng)絡(luò)、序列到序列網(wǎng)絡(luò)、目標(biāo)檢測(cè)及其應(yīng)用、語(yǔ)義分割及其應(yīng)用等。本書結(jié)合高等院校人工智能相關(guān)

本書主要講述了神經(jīng)網(wǎng)絡(luò)的重要概念和技術(shù)，并展示了如何使用Python來解決日常生活中常見的神經(jīng)網(wǎng)絡(luò)問題。本書包含了6個(gè)神經(jīng)網(wǎng)絡(luò)相關(guān)的項(xiàng)目，分別是糖尿病預(yù)測(cè)、出租車費(fèi)用預(yù)測(cè)、圖像分類、圖像降噪、情感分析和人臉識(shí)別，這6個(gè)項(xiàng)目均是從頭開始實(shí)現(xiàn)，且使用了不同的神經(jīng)網(wǎng)絡(luò)。在每個(gè)項(xiàng)目中，本書首先會(huì)提出問題，然后介紹解決該問題需要

本書根據(jù)深度學(xué)習(xí)技術(shù)發(fā)展速度快、理論性與實(shí)踐性強(qiáng)、應(yīng)用廣泛等特點(diǎn)，結(jié)合教學(xué)、科研及應(yīng)用需求，堅(jiān)持“原理、技術(shù)、應(yīng)用”三位一體原則，注重基礎(chǔ)性、系統(tǒng)性、前沿性和實(shí)用性的統(tǒng)一，對(duì)深度學(xué)習(xí)的**方法與研究趨勢(shì)進(jìn)行全面深入的研究和探索。全書分成四部分：第一部分是人工智能基礎(chǔ)，重點(diǎn)闡述人工智能的概念、發(fā)展歷史和發(fā)展趨勢(shì)等；第二部