人們相信人工智能可以為這個時代的技術(shù)帶來突破，而ChatGPT則使這種希望成為現(xiàn)實(shí)�，F(xiàn)在，許多人都渴望了解與ChatGPT相關(guān)的一切，包括技術(shù)的歷史和背景，其神奇的功能以及如何使用它。雖然ChatGPT的使用方法很簡單，但它具有無限的潛力。如果不去親身體驗(yàn)，很難體會到它的強(qiáng)大之處。本書盡可能全面地介紹了與ChatGPT

機(jī)器學(xué)習(xí)是人工智能的重要分支。本書立足實(shí)用且易于上手實(shí)踐的原則，系統(tǒng)地介紹機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典算法，以及這些算法的Python實(shí)現(xiàn)和典型應(yīng)用。本書分4部分:第1部分介紹監(jiān)督學(xué)習(xí)，包括線性模型、決策樹分類、貝葉斯分類器、集成學(xué)習(xí)和支持向量機(jī)；第2部分介紹無監(jiān)督學(xué)習(xí)，包括關(guān)聯(lián)規(guī)則、聚類分析和數(shù)據(jù)降維；第3部分介紹深度學(xué)習(xí)，包

本書是寫給沒有學(xué)過任何計算機(jī)語言的讀者的，例如大學(xué)生。本書主要講授MATLAB的基本知識，從如何打開MATLAB的指令窗口，輸入最簡單的指令開始，利用MATLAB提供的交互式環(huán)境，用簡明的實(shí)例向讀者示范如何調(diào)用MATLAB的內(nèi)部函數(shù)實(shí)現(xiàn)數(shù)值計算、符號運(yùn)算和平面曲線、空間曲線與曲面圖等圖形輸出，以及機(jī)器學(xué)習(xí)和線性代數(shù)與微

本書的主要內(nèi)容涵蓋機(jī)器學(xué)習(xí)領(lǐng)域的主要模型和算法,包括監(jiān)督學(xué)習(xí)的分類和回歸模型與算法、非監(jiān)督學(xué)習(xí)的聚類和降維算法、強(qiáng)化學(xué)習(xí)的主要算法、遷移學(xué)習(xí)的實(shí)例以及最新前沿的相關(guān)模型和算法的實(shí)踐。本書以實(shí)驗(yàn)項(xiàng)目或案例為單元,每個單元有明確的實(shí)驗(yàn)?zāi)康�、原理和�?shí)驗(yàn)步驟,包括基礎(chǔ)驗(yàn)證性實(shí)驗(yàn)、綜合設(shè)計性實(shí)驗(yàn)和系統(tǒng)開發(fā)項(xiàng)目實(shí)踐。

本書主要內(nèi)容包括探索性數(shù)據(jù)分析、有監(jiān)督學(xué)習(xí)(線性回歸、SVM、決策樹等)、無監(jiān)督學(xué)習(xí)(降維、聚類等),以及深度學(xué)習(xí)的基礎(chǔ)原理和應(yīng)用等。本書旨在為廣大讀者提供一個系統(tǒng)全面、易于理解的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)入門教程。不需要過多的數(shù)學(xué)背景,只需掌握基本的編程知識即可輕松上手。

本書使用Python對人工智能機(jī)器學(xué)習(xí)中的相關(guān)知識進(jìn)行了算法實(shí)現(xiàn),并以這些知識為背景解釋了什么是深度學(xué)習(xí)。具體內(nèi)容包括初識機(jī)器學(xué)習(xí)、機(jī)器學(xué)習(xí)基礎(chǔ)、群智能與優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。因?yàn)闆]有使用TensorFlow、PyTorch等任何程序庫,僅使用Python直接實(shí)現(xiàn)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的相關(guān)算法,可以讓讀者更好地理

這是一本講解NPU硬件架構(gòu)設(shè)計與技術(shù)實(shí)現(xiàn)的著作。作者將自己在CPU、GPU和NPU領(lǐng)域15年的軟硬件工作經(jīng)驗(yàn)融會貫通，將四代NPU架構(gòu)設(shè)計經(jīng)驗(yàn)融為一體，將端側(cè)和云側(cè)NPU架構(gòu)合二為一，總結(jié)并提煉出本書內(nèi)容。本書主要討論神經(jīng)網(wǎng)絡(luò)硬件層面，尤其是芯片設(shè)計層面的內(nèi)容，主要包含神經(jīng)網(wǎng)絡(luò)的分析、神經(jīng)網(wǎng)絡(luò)加速器的設(shè)計以及具體

圖數(shù)據(jù)是對萬物間聯(lián)系的一般抽象，廣泛存在于各行各業(yè)中。圖表征學(xué)習(xí)為圖數(shù)據(jù)的建模與分析提供了新范式，是近年來機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘領(lǐng)域的熱門研究方向，并被有效地應(yīng)用于推薦系統(tǒng)、交通預(yù)測等眾多領(lǐng)域。本書將全面介紹圖表征學(xué)習(xí)，特別是針對處于真實(shí)世界動態(tài)、開放環(huán)境之中圖數(shù)據(jù)的圖表征學(xué)習(xí)方法。本書分為3篇：第1篇介紹圖嵌入和圖神經(jīng)網(wǎng)

本書基于卷積神經(jīng)網(wǎng)絡(luò)和圖像識別方法，介紹了PyTorch和PaddlePaddle兩種框架，并結(jié)合移動機(jī)器人講解了具體的開發(fā)過程。書中所用的硬件平臺，帶有兩個攝像頭傳感器，為機(jī)器人和無人駕駛車輛多攝像頭導(dǎo)航提供了理論指導(dǎo)。書中提到的模擬沙盤，正是機(jī)器人作為園區(qū)巡檢或無人配送實(shí)例的縮影。通過基于理論的實(shí)踐，本書不局限于具

人工智能正以前所未有的速度改變著世界。 GPT作為強(qiáng)大的人工智能語言模型，具有廣泛的應(yīng)用場景，必將改變?nèi)祟惖纳�產(chǎn)與生活方式，為人類社會帶來巨大且深遠(yuǎn)的影響。而只要一個人開始使用GPT，他將大概率發(fā)現(xiàn)向GPT提問頗為關(guān)鍵。很大程度上，提問的質(zhì)量決定著回答的質(zhì)量，提問的效率決定著工作的效率。 本書旨在幫助讀者學(xué)會