本書(shū)從強(qiáng)化學(xué)習(xí)的基礎(chǔ)知識(shí)出發(fā)，結(jié)合PyTorch深度學(xué)習(xí)框架，介紹深度強(qiáng)化學(xué)習(xí)算法各種模型的相關(guān)算法原理和基于PyTorch的代碼實(shí)現(xiàn)。作為一本介紹深度強(qiáng)化學(xué)習(xí)知識(shí)的相關(guān)圖書(shū)，本書(shū)介紹了常用的強(qiáng)化學(xué)習(xí)環(huán)境，基于價(jià)值網(wǎng)絡(luò)的強(qiáng)化學(xué)習(xí)算法和基于策略梯度的強(qiáng)化學(xué)習(xí)算法，以及一些常用的比較流行的深度強(qiáng)化學(xué)習(xí)算法（如蒙特卡洛樹(shù)搜索

強(qiáng)化學(xué)習(xí)作為機(jī)器學(xué)習(xí)及人工智能領(lǐng)域的一種重要方法，在游戲、自動(dòng)駕駛、機(jī)器人路線(xiàn)規(guī)劃等領(lǐng)域得到了廣泛的應(yīng)用。 本書(shū)結(jié)合了李宏毅老師的“深度強(qiáng)化學(xué)習(xí)”、周博磊老師的“強(qiáng)化學(xué)習(xí)綱要”、李科澆老師的“世界冠軍帶你從零實(shí)踐強(qiáng)化學(xué)習(xí)”公開(kāi)課的精華內(nèi)容，在理論嚴(yán)謹(jǐn)?shù)幕�礎(chǔ)上深入淺出地介紹馬爾可夫決策過(guò)程、蒙特卡洛方法、時(shí)序差分方法、

本書(shū)首先介紹深度學(xué)習(xí)方面的數(shù)學(xué)知識(shí)與Python基礎(chǔ)知識(shí)，線(xiàn)性模型中的線(xiàn)性回歸模型和logistic模型；然后講述正向傳播算法、反向傳播算法及深度神經(jīng)網(wǎng)絡(luò)的完整訓(xùn)練流程，輸出層的激活函數(shù)和隱藏層的常見(jiàn)激活函數(shù)，深度學(xué)習(xí)的過(guò)擬合和欠擬合，應(yīng)對(duì)過(guò)擬合的方法，以及使用TensorFlow2建立深度神經(jīng)網(wǎng)絡(luò)模型的步驟；接著介紹

本書(shū)是一本面向計(jì)算機(jī)類(lèi)以及非計(jì)算機(jī)類(lèi)專(zhuān)業(yè)學(xué)生的人工智能通識(shí)課程。內(nèi)容選取上注重人工智能的通識(shí)性、典型性，旨在培養(yǎng)高職以及應(yīng)用型本科學(xué)生的人工智能素養(yǎng)、計(jì)算思維能力。全書(shū)分為6大模塊，分別從不用的層面對(duì)人工智能進(jìn)行介紹。 本書(shū)在介紹人工智能通識(shí)知識(shí)的同時(shí)還以新形態(tài)二維碼的方式嵌入了與課程內(nèi)容相融合的思政元素，分別從家國(guó)

本書(shū)較為全面地介紹了深度學(xué)習(xí)應(yīng)用場(chǎng)景下的數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)標(biāo)注等技術(shù)。全書(shū)共12個(gè)實(shí)訓(xùn)項(xiàng)目,包括數(shù)據(jù)采集概述、網(wǎng)絡(luò)數(shù)據(jù)采集、端側(cè)數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)與加載、數(shù)據(jù)處理概述、圖像類(lèi)數(shù)據(jù)處理、文本類(lèi)數(shù)據(jù)處理、數(shù)據(jù)標(biāo)注概述、圖像數(shù)據(jù)標(biāo)注、文本數(shù)據(jù)標(biāo)注、深度學(xué)習(xí)圖像分類(lèi)應(yīng)用實(shí)戰(zhàn)、深度學(xué)習(xí)情感分析應(yīng)用實(shí)戰(zhàn)等。本書(shū)以企業(yè)用人需求

本書(shū)第1章介紹聯(lián)邦學(xué)習(xí)的發(fā)展背景和歷程，以及金融業(yè)中數(shù)據(jù)共享的機(jī)遇和挑戰(zhàn)。第2-5章介紹不同類(lèi)型的機(jī)器學(xué)習(xí)方法在聯(lián)邦學(xué)習(xí)模式下的實(shí)現(xiàn)，以及關(guān)鍵算法原理。第6章介紹聯(lián)邦學(xué)習(xí)開(kāi)源框架FATE的架構(gòu)和部署，以及在金融控股集團(tuán)內(nèi)大數(shù)據(jù)平臺(tái)上建立跨機(jī)構(gòu)統(tǒng)一數(shù)據(jù)科學(xué)平臺(tái)的實(shí)施方案。第7章從建模者的角度展示了典型建模流程的實(shí)戰(zhàn)過(guò)程。

作為一門(mén)應(yīng)用型學(xué)科，機(jī)器學(xué)習(xí)植根于數(shù)學(xué)理論，落地于代碼實(shí)現(xiàn)。這就意味著，掌握公式推導(dǎo)和代碼編寫(xiě)，方能更加深入地理解機(jī)器學(xué)習(xí)算法的內(nèi)在邏輯和運(yùn)行機(jī)制。本書(shū)在對(duì)全部機(jī)器學(xué)習(xí)算法進(jìn)行分類(lèi)梳理的基礎(chǔ)之上，分別對(duì)監(jiān)督學(xué)習(xí)單模型、監(jiān)督學(xué)習(xí)集成模型、無(wú)監(jiān)督學(xué)習(xí)模型、概率模型四個(gè)大類(lèi)共26個(gè)經(jīng)典算法進(jìn)行了細(xì)致的公式推導(dǎo)和代碼實(shí)現(xiàn)，旨在

本書(shū)較為全面地介紹了深度學(xué)習(xí)應(yīng)用場(chǎng)景下的人工智能技術(shù)服務(wù)、深度學(xué)習(xí)數(shù)據(jù)應(yīng)用、深度學(xué)習(xí)基礎(chǔ)應(yīng)用等技術(shù)。全書(shū)共10個(gè)實(shí)訓(xùn)項(xiàng)目,包括人工智能需求分析、人工智能產(chǎn)品設(shè)計(jì)、人工智能平臺(tái)應(yīng)用、數(shù)據(jù)采集工程應(yīng)用、數(shù)據(jù)處理工程應(yīng)用、數(shù)據(jù)標(biāo)注工程應(yīng)用、機(jī)器學(xué)習(xí)模型訓(xùn)練、深度學(xué)習(xí)框架應(yīng)用開(kāi)發(fā)、深度學(xué)習(xí)框架基礎(chǔ)功能應(yīng)用、深度學(xué)習(xí)線(xiàn)性回歸模型

本書(shū)較為全面地介紹了深度學(xué)習(xí)模型訓(xùn)練、計(jì)算機(jī)視覺(jué)模型應(yīng)用、自然語(yǔ)言處理模型應(yīng)用等技術(shù)。全書(shū)共9個(gè)實(shí)訓(xùn)項(xiàng)目,包括深度學(xué)習(xí)全連接神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用、計(jì)算機(jī)視覺(jué)模型數(shù)據(jù)準(zhǔn)備、計(jì)算機(jī)視覺(jué)模型訓(xùn)練與應(yīng)用、計(jì)算機(jī)視覺(jué)模型部署、自然語(yǔ)言處理預(yù)訓(xùn)練模型數(shù)據(jù)準(zhǔn)備、自然語(yǔ)言處理預(yù)訓(xùn)練模型訓(xùn)練與

本書(shū)從技術(shù)、應(yīng)用和產(chǎn)業(yè)3個(gè)維度為切入點(diǎn)，對(duì)智能語(yǔ)音語(yǔ)義領(lǐng)域相關(guān)的熱點(diǎn)和趨勢(shì)展開(kāi)研究。本書(shū)以“人與機(jī)器的對(duì)話(huà)”開(kāi)篇，講述人類(lèi)語(yǔ)音生成、傳播和感知的過(guò)程，引發(fā)對(duì)于機(jī)器智能語(yǔ)音聽(tīng)說(shuō)的思考，進(jìn)而闡述技術(shù)探索發(fā)展史；然后，分析了以語(yǔ)音交互為核心的技術(shù)現(xiàn)狀，綜合剖析提出全雙工、端到端模型構(gòu)建、語(yǔ)音假冒攻擊等熱點(diǎn)；其次，從政策、投融