內容簡介這是一本能指導企業(yè)利用MLOps技術構建可靠、高效、可復用、可擴展的機器學習模型從而實現(xiàn)AI工程化落地的著作。由國內AI領域的獨角獸企業(yè)第四范式的聯(lián)合創(chuàng)始人和技術VP領銜撰寫，從工具、技術、企業(yè)級應用、成熟度評估4個維度對MLOps進行了全面的講解。本書的主要內容包括如下9個方面：（1）MLOps的核心概念和方

人工智能發(fā)展迅猛，但在不確定性和脆弱性環(huán)境下的應用仍存在較大困難。同時，與人腦相比，人工智能缺乏直覺推理能力和基于認知地圖的思維能力。 本書從以上問題出發(fā)，全面調研現(xiàn)有的相關理論、算法和技術，并針對性地從三個主要層面形成理論性的建議和思考，這三個層面即人機混合增強智能的基礎理論、人機混合增強智能的在線演化與動態(tài)自適應以

本書是一本圍繞最優(yōu)控制理論展開的實用指南，以深入淺出的方式介紹了最優(yōu)控制理論、動態(tài)規(guī)劃、線性二次型調節(jié)器（LQR）、模型預測控制（MPC）和卡爾曼濾波器以及它們之間的聯(lián)系，并展示了它們在綜合應用中的使用方法與技巧。本書旨在為讀者提供全面而直觀的學習資源，同時將這些概念有機地應用于實際控制問題。通過書中豐富的例子和詳細的

本書全面地介紹了網絡表示學習的基本概念、模型和應用。本書從網絡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，闡述了網絡嵌入技術的發(fā)展和基于矩陣分解的統(tǒng)一網絡嵌入框架；提出了結合附加信息的網絡嵌入方法——結合圖中節(jié)點屬性/內容/標簽的網絡嵌入；面向不同特性圖結構的網絡嵌入方法——面向具有

由谷歌開發(fā)的TensorFlow2.x是一個用于機器學習的端到端的開源平臺,它擁有一個由工具、庫和社區(qū)資源組成的、全面的、靈活的生態(tài)系統(tǒng),可以讓研究人員推動最先進的機器學習(ML)的發(fā)展,讓開發(fā)人員輕松地構建和部署由ML驅動的應用程序。

本書基于真實數據集，全面系統(tǒng)地闡述現(xiàn)代計算機視覺實用技術、方法和實踐，涵蓋50多個計算機視覺問題。全書分為四部分：di一部分（第1~3章）介紹神經網絡和PyTorch的基礎知識，以及如何使用PyTorch構建并訓練神經網絡，包括輸入數據縮放、批歸一化、超參數調整等；第二部分（第4~10章）介紹如何使用卷積神經網絡、遷移

本書以ChatGPT為中心，對ChatGPT的相關知識進行詳細的講解。本書共12章，前5章從ChatGPT概述、技術底座、內容變革、產業(yè)格局、商業(yè)展望5個方面對ChatGPT進行了解讀，幫助用戶全面了解ChatGPT，對其形成完整的認知。第6-12章從傳媒、教育、娛樂、電商、金融、制造和醫(yī)療7個方面講解了ChatGPT

本書共10章，涵蓋的主要內容有深度學習探索、安裝TensorF1ow、初識TensorFlow、深度神經網絡、機器學習優(yōu)化問題、全連接神經網絡的經典實戰(zhàn)、認識卷積神經網絡、經典CNN實戰(zhàn)系列、循環(huán)神經網絡、對抗神經網絡。

本書基于當前流行的深度學習框架之一——Keras，從新手的角度出發(fā)，詳細講解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，主要內容包括初識深度學習、深度學習的數據預處理技術、使用Keras開發(fā)深度學習模型、卷積神經網絡及圖像分類、循環(huán)神經網絡在文本序列中的應用、自編碼器、生成式對抗網絡、模型評估

在以ChatGPT為代表的大模型掀起AIGC（人工智能生成內容）應用熱潮之后，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。本書作者團隊較早開始將AI工具應用于實際工作，積累了豐富的使用經驗，因此為沒有太多技術基礎的職場人士創(chuàng)作了這本實操指南。 本書分為三篇，上篇是基礎篇，介紹