訓練數(shù)據(jù)與算法本身一樣關(guān)系到數(shù)據(jù)項目的成敗，因為大多數(shù)AI系統(tǒng)的失敗都與訓練數(shù)據(jù)有關(guān)。但是，盡管訓練數(shù)據(jù)是AI和機器學習成功的基礎，但卻很少有全面的資源能幫助你掌握這一過程。在這本實踐指南中，作者AnthonySarkis(DiffgramAI數(shù)據(jù)訓練軟件的首席工程師)向技術(shù)專業(yè)人員、管理人員、主題專家展示了如何使用和

本書系統(tǒng)地講述了智能現(xiàn)象的發(fā)展歷史。全書共分為9章。第1章介紹本書的寫作背景、智能的不同定義、智能現(xiàn)象問題、智能現(xiàn)象新的假說；第2章介紹宇宙從無到有（物質(zhì)、能量和空間）、不安分的宇宙、改變以穩(wěn)定宇宙等內(nèi)容；第3章介紹物理學中的智能，包括美麗的物理世界、引力智能、引力和暗能量、熵引力、最小作用量原理、量子隱形傳態(tài)等內(nèi)容；

本書立足服務國家智能制造產(chǎn)業(yè)升級的需求，闡述了人工智能的基本概念、術(shù)語以及行業(yè)的發(fā)展態(tài)勢和生態(tài)環(huán)境，詳細介紹了人工智能在電子信息工程、網(wǎng)絡通信、智能制造、數(shù)字商務、數(shù)字藝術(shù)和智能交通這六大常見工業(yè)生產(chǎn)領(lǐng)域的交叉應用和實踐案例，旨在通過這本具有通識性的教材，推動人工智能技術(shù)在不同領(lǐng)域的交叉應用，同時普及跨領(lǐng)域的人工智能知

本套叢書循序漸進地詳細講解了與深度學習相關(guān)的重要概念、算法和模型，并著重展示了PyTorch是如何實現(xiàn)這些算法和模型的。其共分為三卷：編程基礎、計算機視覺、序列與自然語言處理。本書為該套叢書的第三卷：序列與自然語言處理。主要介紹了循環(huán)神經(jīng)網(wǎng)絡(RNN、GRU和LSTM)和一維卷積；Seq2Seq模型、注意力、自注意力、

本書為該套叢書的第二卷：計算機視覺。本書主要介紹了深度模型、激活函數(shù)和特征空間；Torchvision、數(shù)據(jù)集、模型和變換；卷積神經(jīng)網(wǎng)絡、丟棄和學習率調(diào)度器；遷移學習和微調(diào)流行的模型(ResNet、Inception等)等內(nèi)容。

這是一本關(guān)于數(shù)智時代人工智能技術(shù)落地應用場景的前沿趨勢類圖書。場景是爭奪用戶時長與可支配收入的產(chǎn)品與服務的組合，toC的場景如此，toB/G的場景亦然。場景定義是基于將場景作為一種最佳的切割方式，以期完備的鎖定未來能出的所有爆款。2021年元宇宙、2022年人形機器人、2023年ChatGPT與MR眼鏡、2024年的S

數(shù)智平臺設計與用戶行為研究-認知神經(jīng)科學視角

本書介紹了人工智能發(fā)展過程中涌現(xiàn)出的思想以及經(jīng)典技術(shù)。本書共12章，內(nèi)容結(jié)構(gòu)大致可以分為4部分：第一部分（第1～3章），這部分為基礎知識，簡單介紹人工智能發(fā)展的歷史與現(xiàn)狀（第1章），數(shù)據(jù)編碼技術(shù)（第2章）以及人工智能需要用到的數(shù)學知識（第3章）；第二部分（第4～7章），經(jīng)典人工智能，主要介紹經(jīng)典人工智能算法（第4章），

《PyTorch深度學習與企業(yè)級項目實戰(zhàn)》立足于具體的企業(yè)級項目開發(fā)實踐，以通俗易懂的方式詳細介紹PyTorch深度學習的基礎理論以及相關(guān)的必要知識，同時以實際動手操作的方式來引導讀者入門人工智能深度學習。本書配套示例項目源代碼、數(shù)據(jù)集、PPT課件與作者微信群答疑服務�！禤yTorch深度學習與企業(yè)級項目實戰(zhàn)》共分18

本書以“未來小鎮(zhèn)”的規(guī)劃建設及智能生活為主題，分為“探秘人工智能王國”“未來小鎮(zhèn)初建設”“未來小鎮(zhèn)新生活”三章，共17個項目。書中設計了“灰灰”（人工智能初學者）和“大大”（人工智能專家）兩個人物角色，通過他們的對話銜接每個項目和環(huán)節(jié)的主題，讓學生更容易融入角色，切身體驗項目設計的思路，主動完成項目內(nèi)容的探究學習。每個