本書是機器學習領(lǐng)域內(nèi)一部具有里程碑意義的著作。包括哥倫比亞大學、北京大學在內(nèi)的多個國內(nèi)外名校均有以該書為基礎(chǔ)開設(shè)的研究生課程。全書內(nèi)容豐富，視野寬闊，深入淺出地介紹了目前機器學習重要的理論和關(guān)鍵的算法。

"本書系統(tǒng)地介紹了人工智能的基本原理、方法和應用技術(shù)，全面地反映了國內(nèi)外人工智能研究領(lǐng)域的當前進展和發(fā)展方向。 全書共9章。第1章為緒論，敘述人工智能的概況，包括人工智能的定義、發(fā)展歷史、應用領(lǐng)域等內(nèi)容。第2～5章論述知識表示方法、搜索策略、機器學習和人工神經(jīng)網(wǎng)絡(luò)與深度學習等內(nèi)容的基本原理和應用。第6～9章闡述專家系

本書詳細介紹了JavaScript、Python、.NET和Lua低代碼開發(fā)，并且從傳感器開始，深入淺出地勾勒出采集終端、智能網(wǎng)關(guān)、物理鏈路層、通信協(xié)議和云端平臺等物聯(lián)網(wǎng)領(lǐng)域的全貌；結(jié)合實際案例，系統(tǒng)地講解了如何通過低代碼、零代碼等近乎搭積木的方式快速搭建物聯(lián)網(wǎng)系統(tǒng)。本書內(nèi)容豐富、通信易懂，是一本物聯(lián)網(wǎng)領(lǐng)域的低代碼開發(fā)

決策樹是數(shù)據(jù)分析中廣泛使用的機器學習模型，其模型簡單、算法快速且具有可解釋性。但隨著大數(shù)據(jù)的涌現(xiàn)，將決策樹真正應用到實踐中還面臨諸多困難。本書正是為解決這一痛點而作，旨在幫助讀者系統(tǒng)且全面地了解決策樹，并成功地將其用于工程實踐。

本書是《神經(jīng)網(wǎng)絡(luò)與深度學習》（蒲公英書）的配套實踐書，由復旦大學邱錫鵬教授和百度飛槳團隊合作完成。本書在章節(jié)設(shè)計上和《神經(jīng)網(wǎng)絡(luò)與深度學習》一一對應，并以模型解讀案例實踐的形式進行介紹。模型解讀主要聚焦如何從零開始一步步實現(xiàn)深度學習中的各種模型和算法，并結(jié)合簡單的任務來加深讀者對模型和算法的理解；案例實踐主要強調(diào)如何使用

本書緊跟新一代信息技術(shù)和人工智能主流技術(shù)的發(fā)展，選用Python這一人工智能領(lǐng)域的重要語言，培養(yǎng)學生的人工智能應用能力，以項目、任務為導向，將思政元素和相關(guān)知識的講解貫穿在任務的實施過程中，對標1X計算機視覺應用開發(fā)職業(yè)技能等級證書，使學生掌握人工智能在計算機視覺方面的具體應用，堅持與高等職業(yè)教育教學思想、崗位需求相結(jié)

本書從初學者角度出發(fā)，以"講課”的形式，歸納分析各類遷移學習方法，使讀者能快速理解遷移學習的本質(zhì)問題、抓住重點、舉一反三、迅速入門。它的一大亮點是對"兩頭"的把握：一是源頭，抓問題和場景，做到"師出有名”，講清楚針對什么問題、用在哪里；二是筆頭，抓代碼與實踐，做到"落地結(jié)果”，在實戰(zhàn)中鞏固和深化對技術(shù)的理解。本書同時配

本書著重探討新基建背景下我國人工智能的發(fā)展及其基礎(chǔ)建設(shè)。全書包括基礎(chǔ)、應用和實踐三篇，共9章�；�礎(chǔ)篇分析了新基建的背景、概念、短板，以及人工智能的發(fā)展與挑戰(zhàn)等，尤其是分析了人工智能與新基建內(nèi)在的關(guān)系；應用篇分析了人工智能在產(chǎn)業(yè)融合及在醫(yī)療、教育、能源、城市建設(shè)、社區(qū)建設(shè)等領(lǐng)域的驅(qū)動作用；實踐篇探討了人工智能的數(shù)據(jù)建設(shè)、

本書從產(chǎn)業(yè)角度深刻分析了異構(gòu)計算及智能計算中心建設(shè)的諸多關(guān)鍵技術(shù)和應用前景，介紹了異構(gòu)融合智能計算的核心技術(shù)—智能計算中心異構(gòu)算力芯片、異構(gòu)算力適配、異構(gòu)操作平臺，以及產(chǎn)業(yè)界中智能計算中心異構(gòu)算力的解決方案、智能計算中心的高質(zhì)量發(fā)展與未來展望。本書內(nèi)容豐富、分析全面，是實現(xiàn)智能計算中心發(fā)展相關(guān)布局的重要技術(shù)參考，對推動

本書兼顧統(tǒng)計知識的基礎(chǔ)性和系統(tǒng)性，系統(tǒng)介紹深度學習基礎(chǔ)知識和建模技術(shù)。本書共包括7章，第1章介紹機器學習、人工智能和深度學習發(fā)展歷程及相關(guān)概念；第2章介紹深度學習的理論知識，如張量、梯度、損失函數(shù)、激活函數(shù)、反向傳播等；第3章介紹基礎(chǔ)神經(jīng)網(wǎng)絡(luò)在二分類數(shù)據(jù)、多分類數(shù)據(jù)和連續(xù)數(shù)據(jù)上的實例構(gòu)建；第4章介紹神經(jīng)網(wǎng)絡(luò)模型的泛化策