本書(shū)共八章：人工智能概述、Python庫(kù)和框架、機(jī)器學(xué)習(xí)算法、人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、視覺(jué)處理與應(yīng)用、自然語(yǔ)言處理與應(yīng)用、人工智能開(kāi)放平臺(tái)應(yīng)用、綜合應(yīng)用實(shí)例。主要內(nèi)容包括：人工智能的定義與研究目標(biāo)；人工智能的發(fā)展；人工智能和深度學(xué)習(xí)的關(guān)系等。

本書(shū)是作者研究和實(shí)踐人工智能算法的經(jīng)驗(yàn)總結(jié)。本書(shū)通過(guò)圖表、案例和示例代碼相結(jié)合的方式，介紹TensorFlow框架的相關(guān)知識(shí)，幫助讀者打好扎實(shí)的人工智能理論基礎(chǔ)，并將理論付諸實(shí)踐，通過(guò)“干中學(xué)”的方式讓讀者全面掌握復(fù)雜的算法理論。 本書(shū)共3篇。第1篇“TensorFlow基礎(chǔ)”，主要介紹TensorFlow的基本開(kāi)發(fā)

本書(shū)以統(tǒng)計(jì)/數(shù)學(xué)為出發(fā)點(diǎn),介紹深度學(xué)習(xí)必備的數(shù)理基礎(chǔ),講解PyTorch的主體架構(gòu)及最新的模塊功能,包括常見(jiàn)算法與相關(guān)套件的使用方法,例如對(duì)象偵測(cè)、生成對(duì)抗網(wǎng)絡(luò)、深度偽造、圖像中的文字辨識(shí)、臉部辨識(shí)、BERT/Transformer、聊天機(jī)器人、強(qiáng)化學(xué)習(xí)、自動(dòng)語(yǔ)音識(shí)別、知識(shí)圖譜等。

本書(shū)在系統(tǒng)介紹人工智能應(yīng)用開(kāi)發(fā)環(huán)境與平臺(tái)的基礎(chǔ)上,對(duì)圖像識(shí)別、人臉識(shí)別、車(chē)輛識(shí)別、語(yǔ)音識(shí)別、語(yǔ)音合成、機(jī)器翻譯、聊天機(jī)器人等關(guān)鍵模塊予以展開(kāi),并在其間穿插目前市場(chǎng)上主流的企業(yè)級(jí)人工智能應(yīng)用平臺(tái)和典型的場(chǎng)景化應(yīng)用開(kāi)發(fā)實(shí)例,可供廣大人工智能應(yīng)用開(kāi)發(fā)者借鑒,從而幫助降低人工智能應(yīng)用開(kāi)發(fā)門(mén)檻,提高人工智能應(yīng)用開(kāi)發(fā)效率,切實(shí)解決

人工智能是研究利用計(jì)算機(jī)系統(tǒng)實(shí)現(xiàn)人類(lèi)智能的理論、方法和技術(shù)的學(xué)科。本書(shū)較系統(tǒng)進(jìn)介紹了人工智能的基本內(nèi)容，主要包括人工智能發(fā)展的三次熱潮、知識(shí)與知識(shí)表示、推理方式、搜索策略、專(zhuān)家系統(tǒng)、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)模型、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、知識(shí)圖譜、智能體、群智能算法、生物征識(shí)別和智能機(jī)器人等。本書(shū)注重基本概念、基本

本書(shū)介紹人工智能的基礎(chǔ)理論、技術(shù)及應(yīng)用。全書(shū)共9章,主要內(nèi)容包括人工智能概述、知識(shí)表示與知識(shí)圖譜、搜索策略、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、典型卷積神經(jīng)網(wǎng)絡(luò)、智能圖像處理、機(jī)器學(xué)習(xí)開(kāi)發(fā)框架、機(jī)器學(xué)習(xí)項(xiàng)目剖析。本書(shū)強(qiáng)調(diào)理論聯(lián)系實(shí)際，既深入淺出地介紹了人工智能領(lǐng)域的基礎(chǔ)知識(shí)和實(shí)用技術(shù)，又詳細(xì)介紹了兩個(gè)機(jī)器學(xué)習(xí)開(kāi)發(fā)框架：PyTorc

《實(shí)戰(zhàn)AI大模型》是一本旨在填補(bǔ)人工智能（AI）領(lǐng)域（特別是AI大模型）理論與實(shí)踐之間鴻溝的實(shí)用手冊(cè)。書(shū)中介紹了AI大模型的基礎(chǔ)知識(shí)和關(guān)鍵技術(shù)，如Transformer、BERT、ALBERT、T5、GPT系列、InstructGPT、ChatGPT、GPT4、PaLM和視覺(jué)模型等，并詳細(xì)解釋了這些模型的技術(shù)原理

本書(shū)系統(tǒng)介紹了眾包學(xué)習(xí)的概念、應(yīng)用領(lǐng)域、前沿課題和研究實(shí)踐。在基礎(chǔ)知識(shí)方面，本書(shū)介紹了眾包的起源與發(fā)展、眾包技術(shù)的研究方向，分析眾包模式給機(jī)器學(xué)習(xí)帶來(lái)的機(jī)遇與挑戰(zhàn)。在前沿技術(shù)方面，本書(shū)詳細(xì)闡述了眾包標(biāo)注真值推斷與面向眾包標(biāo)注數(shù)據(jù)的預(yù)測(cè)模型學(xué)習(xí)等前沿研究課題。在研究實(shí)踐方面，本書(shū)介紹了面向偏置標(biāo)注的眾包標(biāo)簽真值推斷、基于

本書(shū)以PyTorch深度學(xué)習(xí)的常用技術(shù)與真實(shí)案例相結(jié)合的方式，深入淺出地介紹使用PyTorch實(shí)現(xiàn)深度學(xué)習(xí)應(yīng)用的重要內(nèi)容。本書(shū)共7章，內(nèi)容包括深度學(xué)習(xí)概述、PyTorch深度學(xué)習(xí)通用流程、PyTorch深度學(xué)習(xí)基礎(chǔ)、手寫(xiě)漢字識(shí)別、文本生成、基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換、基于TipDM大數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)文本生成

本書(shū)通過(guò)想要學(xué)習(xí)深度學(xué)習(xí)的程序員綾乃和她朋友美緒的對(duì)話，逐步講解深度學(xué)習(xí)中實(shí)用的數(shù)學(xué)基礎(chǔ)知識(shí)。內(nèi)容涉及神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、感知機(jī)、正向傳播和反向傳播，以及卷積神經(jīng)網(wǎng)絡(luò)。其中，重點(diǎn)講解了容易成為學(xué)習(xí)絆腳石的數(shù)學(xué)公式和符號(hào)。同時(shí)，還通過(guò)實(shí)際的Python編程實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)，加深讀者對(duì)相關(guān)數(shù)學(xué)知識(shí)的理解。 本書(shū)適合對(duì)深度學(xué)習(xí)感興趣