本書用淺顯易懂的語言，圖文并貌地講解了深度學習的基礎知識，從如何挑選硬件到神經(jīng)網(wǎng)絡的初步搭建，再到實現(xiàn)圖片識別、文本翻譯、強化學習、生成對抗網(wǎng)絡等多個目前*流行的深度學習應用。書中基于目前流行的PyTorch框架，運用Python語言實現(xiàn)了各種深度學習的應用程序，讓理論和實踐緊密結(jié)合。

隨著計算科學的快速發(fā)展，人工智能已為我們大家熟知。2017年國務院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》，明確了人工智能的國家戰(zhàn)略地位，關于人工智能的科普、技術普及讀物也已出現(xiàn)，但符合少年兒童認知的人工智能科普讀物卻一直是個空白。本書是面向少年兒童的人工智能科普讀物，用輕松有趣的筆觸和明確簡潔的形式介紹人工智能的歷史、現(xiàn)狀

本書主要講述了深度學習中的重要概念和技術，并展示了如何使用TensorFlow實現(xiàn)高級機器學習算法和神經(jīng)網(wǎng)絡。本書首先介紹了數(shù)據(jù)科學和機器學習中的基本概念，然后講述如何使用TensorFlow訓練深度學習模型，以及如何通過訓練深度前饋神經(jīng)網(wǎng)絡對數(shù)字進行分類，如何通過深度學習架構(gòu)解決計算機視覺、語言處理、語義分析等方面的

粒計算是人工智能的重要分支領域。它以一種�；�的思想和方法來分析與處理問題，這為探究人工智能中普遍存在的不確定性問題提供了新方法。本書介紹粒計算中不確定性分析的最新研究進展。全書共12章，內(nèi)容涉及經(jīng)典粗糙集、模糊粗糙集、鄰域粗糙集、三支決策、決策規(guī)則、鄰域系統(tǒng)、深度學習等。每章都深入分析模型及其在應用中存在的不確定性問題

本書是2012~2013年筆者在劍橋大學訪學時的所看所感所思所悟，結(jié)合科學哲學、藝術等方面的觀察思考，針對起源于劍橋大學的人機交互技術、智能科學歷史淵源進行了深入細致的梳理和分析，并結(jié)合自己正在進行中的人機融合智能研究展開本質(zhì)性探討和思考，比如在自主系統(tǒng)、機器學習、深度態(tài)勢感知、人機環(huán)境系統(tǒng)、智能哲學、軍事智能、智能傳

本書以“平民”的起點，從“零”開始，基于PyTorch框架，介紹深度學習和強化學習的技術與技巧，逐層鋪墊，營造良好的帶入感和親近感，把學習曲線拉平，使得沒有學過微積分等高級理論的程序員一樣能夠讀得懂、學得會。同時，本書配合漫畫插圖來調(diào)節(jié)閱讀氣氛，并對每個原理都進行了對比講解和實例說明。本書適合對深度學習和強化學習感興趣

本書作者都是微軟人工智能及研究院的研究人員和應用科學家，具有深厚的機器學習背景，在一線針對產(chǎn)品需求和支持的場景進行了大量的深度學習模型及算法的研究和開發(fā)，在模型設計、訓練、評估、部署、推理優(yōu)化等模型開發(fā)全生命周期積累了豐富的經(jīng)驗。本書面向的讀者是希望學習和運用深度學習模型到具體應用場景的企業(yè)工程師、科研院所的學生和科研

機器學習已經(jīng)廣泛地應用于各行各業(yè)，深度學習的興起再次推動了人工智能的熱潮。本書結(jié)合項目實踐，首先討論了TensorFlow、PySpark、TI-ONE等主流機器學習平臺的主要特點；然后結(jié)合Tableau介紹了數(shù)據(jù)可視化在銀行客戶用卡行為分析的應用。在此基礎上，利用上述介紹的這些平臺，通過多個項目案例，詳細地分析

數(shù)學是機器學習繞不開的基礎知識，傳統(tǒng)教材的風格偏重理論定義和運算技巧，想以此高效地打下機器學習的數(shù)學基礎，針對性和可讀性并不佳。本書以機器學習涉及的線性代數(shù)核心知識為重點，進行新的嘗試和突破：從坐標與變換、空間與映射、近似與擬合、相似與特征、降維與壓縮這5個維度，環(huán)環(huán)相扣地展開線性代數(shù)與機器學習算法緊密結(jié)合的核心內(nèi)容，

深度學習是機器學習的重要分支。本書系統(tǒng)地介紹了如何用Python和NumPy實現(xiàn)的算法一步一步地實現(xiàn)深度學習的基礎模型，而無須借助TensorFlow、PyTorch等深度學習框架，從而能幫助讀者更好地理解底層算法的脈絡，進而進行模型的定制、優(yōu)化和改進。全書內(nèi)容設計可幫助讀者零起點通關神經(jīng)網(wǎng)絡，由簡到難地講述感知機模型

本書介紹了經(jīng)典控制理論的基本概念、基本理論和控制系統(tǒng)的基本分析方法及實際應用。主要內(nèi)容有：自動控制的基本概念、控制系統(tǒng)的數(shù)學模型、控制系統(tǒng)的時域分析法和頻域分析法、控制系統(tǒng)的校正、直流調(diào)速系統(tǒng)、直流脈寬調(diào)速系統(tǒng)、位置隨動系統(tǒng)、交流變頻調(diào)速系統(tǒng)等。各章均配有內(nèi)容提要、小結(jié)和大量習題。

本書以程序員所熟悉的代碼方式帶領程序員們進入深度學習的世界。所有的理論都有對應的可運行的代碼進行說明。程序員可以通過修改和調(diào)試代碼在熟悉的世界里完成向深度學習的轉(zhuǎn)型。 本書兼顧了Tensorflow和PyTorch這兩大流行的深度學習框架，使讀者同時掌握靜態(tài)計算圖和動態(tài)計算圖這兩大流派，方便讀者跟隨新技術形勢。同時還介

深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經(jīng)網(wǎng)絡基礎，包括機器學習問題、淺層機器學習、早期神經(jīng)網(wǎng)絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網(wǎng)絡、循環(huán)和遞歸網(wǎng)絡、表示學

深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經(jīng)網(wǎng)絡基礎，包括機器學習問題、淺層機器學習、早期神經(jīng)網(wǎng)絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網(wǎng)絡、循環(huán)和遞歸網(wǎng)絡、表示學

本書旨在討論人工智能領域未來的發(fā)展方向，即通用人工智能和奇點現(xiàn)象。本書涵蓋了奇點理論提出以來該領域取得的一系列研究進展，剖析了實現(xiàn)通用人工智能所面臨的問題并分析了各種實現(xiàn)途徑。作者不僅展開了天馬行空的想象，思考未來技術，比如意識上傳、飛米技術等如何為通用人工智能提供可行性，還將現(xiàn)有的通用人工智能技術落地，在生物學領域進

本書是由兩位技術出身的企業(yè)管理者編寫的深度學習普及書。本書的前四章提供了足夠的關于深度學習的理論知識，包括機器學習的基本概念、神經(jīng)網(wǎng)絡基礎、從神經(jīng)網(wǎng)絡到深度網(wǎng)絡的演化歷程，以及主流的深度網(wǎng)絡架構(gòu)，為讀者閱讀本書剩余內(nèi)容打下基礎。后五章帶領讀者進行一系列深度學習的實踐，包括建立深層網(wǎng)絡、調(diào)優(yōu)技術、各種數(shù)據(jù)類型的向量化和在

本書共4篇。入門篇介紹學習環(huán)境搭建和TensorFlow框架的基本使用；基礎篇介紹傳統(tǒng)智能算法及其TensorFlow的實現(xiàn)；進階篇介紹深度神經(jīng)網(wǎng)絡方法和CNN、RNN、LSTM、GRU等基礎的深度學習算法；應用篇介紹GAN學習算法和TensorFlowHub遷移學習。

本書介紹了深度學習原理與TensorFlow實踐。著重講述了當前學術界和工業(yè)界的深度學習核心知識：機器學習概論、神經(jīng)網(wǎng)絡、深度學習。著重講述了深度學習的實現(xiàn)以及深度學習框架TensorFlow：Python編程基礎、TensorFlow編程基礎、TensorFlow模型、TensorFlow編程實踐、TensorFlo

本書通過對信息技術革命的技術思想歷史的探索，全面分析了包括計算主義世界觀、人工生命科學、復雜性科學思想、信息技術哲學、互聯(lián)網(wǎng)思想、賽博空間思想及媒介理論思想等以信息技術為核心的技術思想的演變和發(fā)展。與此同時，書中還通過對計算機科學、經(jīng)濟學、社會學、歷史學及政治學等其他跨學科的思想方法的研究，論述了人類文明發(fā)展的底層邏輯

粒計算是當前計算智能研究領域中模擬人類思維和解決復雜問題的新方法，研究內(nèi)容覆蓋了有關粒度的主要理論、方法和技術，是研究復雜問題求解、大數(shù)據(jù)挖掘和模糊不確定信息處理等當前面臨的關鍵問題的有效工具。本書介紹了粗糙集理論、概念格理論、三支決策理論等粒計算研究的概述和最新進展。全書共14章，主要由兩部分組成（多粒度計算、三支決