本書面向廣大數(shù)據(jù)科學與人工智能專業(yè)的學生及初學者，力求通俗易懂、簡潔清晰地呈現(xiàn)學習大數(shù)據(jù)與人工智能需要的基礎數(shù)學知識，助力讀者為進一步學習人工智能打好數(shù)學基礎。全書分為4篇，共19章：微積分篇（第1～5章），主要介紹極限、導數(shù)、極值、多元函數(shù)導數(shù)與極值、梯度下降法等；線性代數(shù)篇（第6～10章），主要介紹向量、矩陣、行列

本書從工業(yè)背景下的機器學習技術需求出發(fā),詳細討論機器學習的各個分支技術,包括矩陣型分類學習技術、多視角學習技術、不平衡數(shù)據(jù)分類學習技術、集成學習技術和深度學習技術等,并在此基礎上,對機器學習相關的應用系統(tǒng)進行了分析。全書采取理論與實踐并重的方式介紹機器學習技術,在理論層面,力求覆蓋面廣,涵蓋機器學習技術的所有重要分支;

本書是一本適合理工科大學的控制論教材。全書共8章,包括控制工程的基本概念、拉普拉斯變換、系統(tǒng)的數(shù)學模型、系統(tǒng)時域響應分析、系統(tǒng)頻率特性分析、控制系統(tǒng)設計與矯正方法和離散系統(tǒng)的基本知識等內容。在敘述過程注重經(jīng)典控制理論的知識性、系統(tǒng)性和連貫性,講清概念,并配備了較多例題講解分析和習題練習;在內容論述中與現(xiàn)代計算機仿真技術

本書詳細介紹了人工智能的主要概念、技術和應用等。全書共5章，首先介紹了現(xiàn)階段數(shù)據(jù)標注崗位相關基礎知識；其次按照數(shù)據(jù)標注任務分類，分別介紹了圖像、視頻、自然語言和音頻數(shù)據(jù)標注方法和標注平臺使用的實用技術。本書面向高職院校人工智能技術應用等專業(yè)方向低年級學生及廣大人工智能初學者，書中內容緊跟課程思政要求，內容由淺入深，事實

本書主要講解分布式機器學習算法和開源框架，讀者既可以從宏觀的設計上了解分布式機器學習的概念和理論，也可以深入核心技術的細節(jié)設計中，對分布式機器學習形成深刻而直觀的認識，做到學以致用。本書共分為5篇，第1篇是分布式基礎，首先介紹了分布式機器學習的概念、基礎設施，以及機器學習并行化技術、框架和軟件系統(tǒng)，然后對集合通信和參數(shù)

本書重點講解基于云平臺的超參數(shù)優(yōu)化、神經(jīng)構架搜索以及算法選擇等內容，是自動機器學習的基本任務。介紹了基于三個主要云服務提供商（包括MicrosoftAzure、AmazonWebServices(AWS)和GoogleCloudPlatform）進行AutoML，同時部署ML模型和管道，具有較強的實用性。在應用場景中評

本書主要介紹深度學習項目化技術和分析應用，涵蓋初級視覺領域的智能分析應用和高級視覺領域的智能分析應用，在初級人工智能分析技術中介紹了人工智能的發(fā)展，從知識入手，講解人工智能的由來，同時介紹了人工智能學習的框架以及目標訓練的技術。

自動控制理論與控制技術正廣泛深入地應用到機械工程、儀器科學等領域，本書從工程應用角度闡述了經(jīng)典控制理論的概念、原理和各種分析方法，內容包括控制系統(tǒng)的基本概念與基本組成、控制系統(tǒng)的數(shù)學模型、控制系統(tǒng)的時域分析、控制系統(tǒng)的頻域分析、控制系統(tǒng)的穩(wěn)定性分析、控制系統(tǒng)的根軌跡分析、控制系統(tǒng)的綜合與校正，以及MATLAB軟件在控制

新生事物的出現(xiàn)引發(fā)了一系列激烈的討論，不難發(fā)現(xiàn)輿論聲浪中夾雜著令人不安和無奈的概念混淆，甚至有人把ChatGPT等同于GPT，或等同于AI。對于新生事物，過度吹捧和質疑都是不科學的。 本書的寫作建立在大量調查研究和資訊的基礎上，對ChatGPT、GPT和AI的發(fā)展進行了全面分析，幫助讀者了解三者的不同，厘清ChatGP

本書主要對近年來新生的多種仿生智能計算理論與方法進行了研究，包括生物地理進化算法、螢火蟲算法、差分進化算法以及灰狼優(yōu)化算法等，并基于這些人工仿生智能計算方法對片上系統(tǒng)的可測性設計進行了研究。本書共6章，主要內容包括片上系統(tǒng)可測性設計概述、基于生物地理進化算法的掃描鏈平衡理論與方法、基于多目標智能算法的三維Wrapper