本書主要講述了深度學(xué)習(xí)中的重要概念和技術(shù)，并展示了如何使用TensorFlow實現(xiàn)高級機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)。本書首先介紹了數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)中的基本概念，然后講述如何使用TensorFlow訓(xùn)練深度學(xué)習(xí)模型，以及如何通過訓(xùn)練深度前饋神經(jīng)網(wǎng)絡(luò)對數(shù)字進(jìn)行分類，如何通過深度學(xué)習(xí)架構(gòu)解決計算機(jī)視覺、語言處理、語義分析等方面的

本書用淺顯易懂的語言，圖文并貌地講解了深度學(xué)習(xí)的基礎(chǔ)知識，從如何挑選硬件到神經(jīng)網(wǎng)絡(luò)的初步搭建，再到實現(xiàn)圖片識別、文本翻譯、強(qiáng)化學(xué)習(xí)、生成對抗網(wǎng)絡(luò)等多個目前*流行的深度學(xué)習(xí)應(yīng)用。書中基于目前流行的PyTorch框架，運(yùn)用Python語言實現(xiàn)了各種深度學(xué)習(xí)的應(yīng)用程序，讓理論和實踐緊密結(jié)合。

隨著計算科學(xué)的快速發(fā)展，人工智能已為我們大家熟知。2017年國務(wù)院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》，明確了人工智能的國家戰(zhàn)略地位，關(guān)于人工智能的科普、技術(shù)普及讀物也已出現(xiàn)，但符合少年兒童認(rèn)知的人工智能科普讀物卻一直是個空白。本書是面向少年兒童的人工智能科普讀物，用輕松有趣的筆觸和明確簡潔的形式介紹人工智能的歷史、現(xiàn)狀

本書旨在討論人工智能領(lǐng)域未來的發(fā)展方向，即通用人工智能和奇點現(xiàn)象。本書涵蓋了奇點理論提出以來該領(lǐng)域取得的一系列研究進(jìn)展，剖析了實現(xiàn)通用人工智能所面臨的問題并分析了各種實現(xiàn)途徑。作者不僅展開了天馬行空的想象，思考未來技術(shù)，比如意識上傳、飛米技術(shù)等如何為通用人工智能提供可行性，還將現(xiàn)有的通用人工智能技術(shù)落地，在生物學(xué)領(lǐng)域進(jìn)

深度學(xué)習(xí)是當(dāng)前人工智能的引領(lǐng)技術(shù)，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學(xué)習(xí)技術(shù)，包括近兩年最新成果。全書由三大部分組成。第一部分是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括機(jī)器學(xué)習(xí)問題、淺層機(jī)器學(xué)習(xí)、早期神經(jīng)網(wǎng)絡(luò)等；第二部分是深度學(xué)習(xí)模型及算法，包括深度生成模型、卷積網(wǎng)絡(luò)、循環(huán)和遞歸網(wǎng)絡(luò)、表示學(xué)

本書以程序員所熟悉的代碼方式帶領(lǐng)程序員們進(jìn)入深度學(xué)習(xí)的世界。所有的理論都有對應(yīng)的可運(yùn)行的代碼進(jìn)行說明。程序員可以通過修改和調(diào)試代碼在熟悉的世界里完成向深度學(xué)習(xí)的轉(zhuǎn)型。 本書兼顧了Tensorflow和PyTorch這兩大流行的深度學(xué)習(xí)框架，使讀者同時掌握靜態(tài)計算圖和動態(tài)計算圖這兩大流派，方便讀者跟隨新技術(shù)形勢。同時還介

深度學(xué)習(xí)是當(dāng)前人工智能的引領(lǐng)技術(shù)，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學(xué)習(xí)技術(shù)，包括近兩年最新成果。全書由三大部分組成。第一部分是機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括機(jī)器學(xué)習(xí)問題、淺層機(jī)器學(xué)習(xí)、早期神經(jīng)網(wǎng)絡(luò)等；第二部分是深度學(xué)習(xí)模型及算法，包括深度生成模型、卷積網(wǎng)絡(luò)、循環(huán)和遞歸網(wǎng)絡(luò)、表示學(xué)

本書介紹了深度學(xué)習(xí)原理與TensorFlow實踐。著重講述了當(dāng)前學(xué)術(shù)界和工業(yè)界的深度學(xué)習(xí)核心知識：機(jī)器學(xué)習(xí)概論、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)。著重講述了深度學(xué)習(xí)的實現(xiàn)以及深度學(xué)習(xí)框架TensorFlow：Python編程基礎(chǔ)、TensorFlow編程基礎(chǔ)、TensorFlow模型、TensorFlow編程實踐、TensorFlo

本書將帶你了解特征工程的完整過程，使機(jī)器學(xué)習(xí)更加系統(tǒng)、高效。你會從理解數(shù)據(jù)開始學(xué)習(xí)，機(jī)器學(xué)習(xí)模型的成功正是取決于如何利用不同類型的特征，例如連續(xù)特征、分類特征等。你將了解何時納入一項特征、何時忽略一項特征，以及其中的原因。你還會學(xué)習(xí)如何將問題陳述轉(zhuǎn)換為有用的新特征，如何提供由商業(yè)需求和數(shù)學(xué)見解驅(qū)動的特征，以及如何在自己

很多機(jī)器學(xué)習(xí)任務(wù)中具有多個沖突的目標(biāo)需要同時被優(yōu)化。基于群搜索策略的進(jìn)化算法在求解多目標(biāo)優(yōu)化問題領(lǐng)域得到了廣泛的應(yīng)用。多目標(biāo)機(jī)器學(xué)習(xí)在近幾年引起了廣泛的關(guān)注，并且得到快速的發(fā)展。但是多目標(biāo)機(jī)器學(xué)習(xí)在模型建立和優(yōu)化學(xué)習(xí)方面仍然存在很多瓶頸問題。本書工作圍繞多目標(biāo)機(jī)器學(xué)習(xí)新模型探索和多目標(biāo)學(xué)習(xí)算法設(shè)計展開。主要包括如下幾個