《细说PyTorch深度学习：理论、算法、模型与编程实现》由业界专家编撰，采用理论描述加代码实践的思路，详细介绍PyTorch的理论知识及其在深度学习中的应用。全书分为两篇，共16章。第一篇为基础知识，主要介绍PyTorch的基本知识、构建开发环境、卷积网络、经典网络、模型保存和调用、网络可视化、数据加载和预处理、数据

本书面向广大数据科学与人工智能专业的学生及初学者，力求通俗易懂、简洁清晰地呈现学习大数据与人工智能需要的基础数学知识，助力读者为进一步学习人工智能打好数学基础。全书分为4篇，共19章：微积分篇（第1～5章），主要介绍极限、导数、极值、多元函数导数与极值、梯度下降法等；线性代数篇（第6～10章），主要介绍向量、矩阵、行列

本书从工业背景下的机器学习技术需求出发,详细讨论机器学习的各个分支技术,包括矩阵型分类学习技术、多视角学习技术、不平衡数据分类学习技术、集成学习技术和深度学习技术等,并在此基础上,对机器学习相关的应用系统进行了分析。全书采取理论与实践并重的方式介绍机器学习技术,在理论层面,力求覆盖面广,涵盖机器学习技术的所有重要分支;

本书详细介绍了人工智能的主要概念、技术和应用等。全书共5章，首先介绍了现阶段数据标注岗位相关基础知识；其次按照数据标注任务分类，分别介绍了图像、视频、自然语言和音频数据标注方法和标注平台使用的实用技术。本书面向高职院校人工智能技术应用等专业方向低年级学生及广大人工智能初学者，书中内容紧跟课程思政要求，内容由浅入深，事实

本书主要讲解分布式机器学习算法和开源框架，读者既可以从宏观的设计上了解分布式机器学习的概念和理论，也可以深入核心技术的细节设计中，对分布式机器学习形成深刻而直观的认识，做到学以致用。本书共分为5篇，第1篇是分布式基础，首先介绍了分布式机器学习的概念、基础设施，以及机器学习并行化技术、框架和软件系统，然后对集合通信和参数

本书重点讲解基于云平台的超参数优化、神经构架搜索以及算法选择等内容，是自动机器学习的基本任务。介绍了基于三个主要云服务提供商（包括MicrosoftAzure、AmazonWebServices(AWS)和GoogleCloudPlatform）进行AutoML，同时部署ML模型和管道，具有较强的实用性。在应用场景中评

本书主要介绍深度学习项目化技术和分析应用，涵盖初级视觉领域的智能分析应用和高级视觉领域的智能分析应用，在初级人工智能分析技术中介绍了人工智能的发展，从知识入手，讲解人工智能的由来，同时介绍了人工智能学习的框架以及目标训练的技术。

新生事物的出现引发了一系列激烈的讨论，不难发现舆论声浪中夹杂着令人不安和无奈的概念混淆，甚至有人把ChatGPT等同于GPT，或等同于AI。对于新生事物，过度吹捧和质疑都是不科学的。 本书的写作建立在大量调查研究和资讯的基础上，对ChatGPT、GPT和AI的发展进行了全面分析，帮助读者了解三者的不同，厘清ChatGP

本书主要对近年来新生的多种仿生智能计算理论与方法进行了研究，包括生物地理进化算法、萤火虫算法、差分进化算法以及灰狼优化算法等，并基于这些人工仿生智能计算方法对片上系统的可测性设计进行了研究。本书共6章，主要内容包括片上系统可测性设计概述、基于生物地理进化算法的扫描链平衡理论与方法、基于多目标智能算法的三维Wrapper

"本书面向非专业人士、尤其是青少年群体，将硬核知识、技术方法与人文历史、人物故事有机融合，理顺人工智能纵向发展脉络与横向科学轮廓。作者以扎实的专业背景、流畅的文笔帮读者理顺人工智能的发展脉络，厘清人工智能的核心技术方法，帮读者看懂人工智能与其他学科交叉碰撞所引发的社会生活变化，从“成天下之才”的角度给青少年读者提供学习