"《深入淺出機器學(xué)習(xí)：從數(shù)據(jù)到大模型》是一本旨在幫助讀者系統(tǒng)學(xué)習(xí)機器學(xué)習(xí)的著作。本書通過深入淺出的方式，將復(fù)雜的機器學(xué)習(xí)理論和技術(shù)講解得深入淺出。本書從機器學(xué)習(xí)的基礎(chǔ)開始，為讀者提供了對數(shù)據(jù)處理、特征工程和模型評估等核心概念的全面介紹。讀者將學(xué)習(xí)如何準(zhǔn)備和清洗數(shù)據(jù)，如何選擇和構(gòu)建合適的特征，并學(xué)會使用各種評估指標(biāo)來評估

"本書以模糊計算、神經(jīng)計算、進化計算三大模塊為主，從理論基礎(chǔ)和實踐應(yīng)用兩個維度全面、系統(tǒng)地介紹關(guān)于計算智能的常見算法，并設(shè)計8個上機實驗，以滿足前面章節(jié)內(nèi)容仿真驗證的需要。全書共11章，內(nèi)容分別為緒論、模糊系統(tǒng)理論、模糊系統(tǒng)應(yīng)用、神經(jīng)網(wǎng)絡(luò)理論、支持向量機、深度學(xué)習(xí)、遺傳算法、遺傳規(guī)劃、蟻群算法、粒子群算法、新型群智能優(yōu)

"本書從數(shù)據(jù)表示學(xué)習(xí)角度介紹機器學(xué)習(xí)及其應(yīng)用。全書共7章，分別介紹數(shù)據(jù)表示學(xué)習(xí)與數(shù)學(xué)基礎(chǔ)、傳統(tǒng)降維方法、分布式表示學(xué)習(xí)和聚類算法、稀疏表示學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)中的特征提取、生成式表示學(xué)習(xí)和對比式表示學(xué)習(xí)。本書涉及的數(shù)據(jù)表示學(xué)習(xí)算法的具體應(yīng)用領(lǐng)域包括計算機視覺、自然語言處理以及圖網(wǎng)絡(luò)分析等。本書主要面向廣大從事人工智能、機器學(xué)

"本書從基礎(chǔ)概念、歷史沿革、基礎(chǔ)算法、代表性應(yīng)用、前沿進展、跨學(xué)科交叉融合等方面全面深入地介紹人工智能，側(cè)重人工智能基礎(chǔ)思維方式的培養(yǎng)和跨學(xué)科廣域視野的構(gòu)建。全書以圖片為主并輔以少量文字說明，每節(jié)配有視頻資源，不同學(xué)科背景的讀者都可以輕松獲得人工智能的基礎(chǔ)知識。為配合課堂教學(xué)，本書配有全套PPT課件、思考與討論、實踐設(shè)

本書以嚴(yán)謹(jǐn)?shù)目茖W(xué)態(tài)度和圖文結(jié)合的形式，為你展開一幅幅充滿幻想與現(xiàn)實交織的人工智能發(fā)展史畫卷。本書涵蓋了人工智能學(xué)科發(fā)展進程的方方面面，從哲學(xué)、小說到技術(shù)與工程，還包括許多影響人工智能發(fā)展的其他領(lǐng)域。同時，書中重點介紹了一些人工智能發(fā)展的里程碑事件，如神經(jīng)生物學(xué)、腦科學(xué)、微電子學(xué)和機器人等領(lǐng)域的輝煌成就。本書語言通俗易懂

本書共分8個章節(jié)，內(nèi)容如下：第1章主要介紹人工智能與深度學(xué)習(xí)的產(chǎn)業(yè)背景與百度EasyDL平臺深度學(xué)習(xí)應(yīng)用；第2章介紹深度學(xué)習(xí)所需要安裝的開發(fā)工具及環(huán)境配置；第3章介紹TensorFlow的安裝、張量的基本知識；第4章介紹數(shù)據(jù)集的概念、標(biāo)注工具的使用、數(shù)據(jù)集的制備；第5章介紹神經(jīng)網(wǎng)絡(luò)前向傳播流程，以及激活函數(shù)、初始化函數(shù)

本書深入剖析機器學(xué)習(xí)中的概率思維，從基礎(chǔ)理論出發(fā)，結(jié)合經(jīng)典例子，闡述如何將概率思維巧妙應(yīng)用于機器學(xué)習(xí)算法，幫助讀者理解數(shù)據(jù)背后的規(guī)律與不確定性。除引言外，全書內(nèi)容分為5章，包括貝葉斯定理中的概率思維、樸素貝葉斯算法中的概率思維、極大似然估計和最大后驗估計、貝葉斯網(wǎng)絡(luò)、馬爾可夫鏈和隱馬爾可夫模型。

本書深入剖析機器學(xué)習(xí)中的線性思維和非線性思維，從基礎(chǔ)理論出發(fā)，結(jié)合經(jīng)典例子，闡述如何將線性思維和非線性思維巧妙應(yīng)用于機器學(xué)習(xí)算法，幫助讀者理解數(shù)據(jù)背后的規(guī)律與不確定性。除引言外，全書內(nèi)容分為7章，包括線性回歸中的線性思維、感知機分類中的線性思維、邏輯回歸中的線性思維、支持向量機中的線性思維、核方法、高斯核函數(shù)的非線性映

本書聚焦人工智能處理器硬件設(shè)計的算力瓶頸問題，介紹了神經(jīng)網(wǎng)絡(luò)處理內(nèi)核電路與系統(tǒng)的設(shè)計目標(biāo)、優(yōu)化技術(shù)、評價方式，以及應(yīng)用領(lǐng)域。全書共9章，以人工智能硬件芯片組織架構(gòu)的核心處理單位“卷積神經(jīng)網(wǎng)絡(luò)”在系統(tǒng)架構(gòu)層面的算力性能提升為目標(biāo)，在回顧了CPU、GPU和NPU等深度學(xué)習(xí)硬件處理器的基礎(chǔ)上，重點介紹主流的人工智能處理器的各

跨媒體智能是一門融合了計算機視覺、自然語言處理和機器學(xué)習(xí)等多個領(lǐng)域的交叉學(xué)科，它代表了智能信息處理技術(shù)的前沿方向，對于推動人工智能的發(fā)展具有重要意義。本書是是一本全面介紹跨媒體智能理論、技術(shù)與應(yīng)用的教材，旨在為讀者提供一個系統(tǒng)、深入的學(xué)習(xí)路徑。全書共7章，大致分為3個部分：第一部分(第1-2章)為基礎(chǔ)理論篇，全面闡述了