本書圍繞思維、信息、數(shù)據(jù)、算法、技術、安全、未來等方面討論人工智能技術背后的實現(xiàn)原理和本質(zhì)。涵蓋以下要點。1、人類解決人工智能技術問題的根本原因。2、重點圍繞香農(nóng)提出的信息論，并在此基礎上闡述關于信息的度量、加密、傳輸?shù)确矫娴膬?nèi)容。3、從正反兩個角度來審視大數(shù)據(jù)給我們生活帶來的影響。4、圍繞機器學習算法、人工神經(jīng)網(wǎng)絡算

本書先從背景出發(fā)，闡述黑盒模型存在的問題以及不解決黑盒問題模型可能帶來的后果，引出可解釋機器學習的重要性；隨后，我們從可解釋機器學習的研究方向，分為內(nèi)在可解釋模型算法和模型事后解析方法兩部分進行介紹，闡述不同模型的原理、應用及其可解釋性。z后通過三個不同的應用場景，介紹在銀行實戰(zhàn)中的數(shù)據(jù)挖掘方法，由問題、處理方法出發(fā)，

本書通過深度學習實例，從可解釋性角度出發(fā)，闡述深度學習的原理，并將圖神經(jīng)網(wǎng)絡與深度學習結(jié)合，介紹圖神經(jīng)網(wǎng)絡的實現(xiàn)技術。本書分為6章，主要內(nèi)容包括：圖片分類模型、機器視覺的高級應用、自然語言處理的相關應用、神經(jīng)網(wǎng)絡的可解釋性、識別未知分類的方法——零次學習、異構(gòu)圖神經(jīng)網(wǎng)絡。本書中的實例是在PyTorch框架上完成的，具有

本書從基礎知識開始，介紹深度學習與圖神經(jīng)網(wǎng)絡相關的一系列技術與實現(xiàn)方法，主要內(nèi)容包括PyTorch的使用、神經(jīng)網(wǎng)絡的原理、神經(jīng)網(wǎng)絡的基礎模型、圖神經(jīng)網(wǎng)絡的基礎模型。書中側(cè)重講述與深度學習基礎相關的網(wǎng)絡模型和算法思想，以及圖神經(jīng)網(wǎng)絡的原理，且針對這些知識點給出在PyTorch框架上的實現(xiàn)代碼。 本書適合想學習圖神經(jīng)網(wǎng)絡

全書分三部分，第1部分（1~3章）介紹了人工智能·機器學習·深度學習的基礎知識，Pthon編程及其常用庫的使用方法；第2部分（4~5章）通過16個實操案例帶領讀者玩轉(zhuǎn)機器學習，其中涉及TensorFlow，Keras，PTorch，Chainer和scikit-learn等具有代表性的開發(fā)框架，讀者可以學習到這些框架的

本書屬于“高等院校重點教材·公共課系列”。本書分為四個項目，主要內(nèi)容為人工智能的應用和發(fā)展、人工智能編程語言Python介紹、人工智能核心技術以及人工智能案例實現(xiàn)。本書的案例所用的編程環(huán)境為當下流行的Jupyternotebook，在核心技術部分介紹人工智能開源架構(gòu)和芯片、線性回歸和邏輯回歸、人工神經(jīng)網(wǎng)絡和卷積神經(jīng)網(wǎng)絡

本書的編寫立足于高職教育人才培養(yǎng)目標和教學改革的實際需求,嚴格遵循“實用為主、夠用為度、應用為目的”的基本原則。選材內(nèi)容既符合高職學生的特點,又能夠突出人工智能的通識性、前瞻性、和實用性。全書共分九個單元,包含人工智能基本概念、發(fā)展歷史、核心技術、主要產(chǎn)品、常見產(chǎn)品說明書、發(fā)展趨勢及其在相關行業(yè)的應用等內(nèi)容,涉及智慧生

大前研一和業(yè)界的精英們講述AI與FinTech的*新情況，向讀者分享抓住商機的方法。從始于18世紀60年代的工業(yè)革命和20世紀60年代的信息技術革命中可以看出，新技術的誕生徹底改變了人們迄今為止的生活方式和商業(yè)模式。而現(xiàn)在正掀起了由AI和FinTech掀起的革命，給世界帶來了巨大的沖擊。通過本書不僅可以了解日本在AI和

AI真的會代替人類嗎?今天的所謂AI其實根本沒有像人類智慧一樣的高級智慧，它不過就是一個高速算法而已，它能做到的事情非常有限。但隨著大數(shù)據(jù)時代越來越盛行，又真的沒有一點危險性嗎？這就需要通過我們的閱讀和知識的積累來平衡他們之間的關系。 全書分為四大部分：了解身邊的AI以及新科技；AI的進化以及改變的生活；進步的科技以及

人工智能的發(fā)展需要對所解決問題的深入數(shù)學理解，矩陣代數(shù)正是一種的基本數(shù)學工具，在人工智能學科的研究中具有根本性的意義。本書的目的正是為人工智能的研究和實踐提供堅實的矩陣代數(shù)理論基礎。全書共9章，分矩陣代數(shù)導論、應用兩部分講述矩陣代數(shù)方法在人工智能中的應用。第一部分《矩陣代數(shù)導論》包括第1–5章，提供矩陣代數(shù)的基礎理論；