本书着重叙述人工智能技术的基础知识、工作原理和发展概况,并通过对各种人工智能算法的介绍,讲解人工智能技术在工程领域中的各种实际应用。本书共分为9章,主要内容包括人工智能概述、人工智能算法基础知识、遗传算法、粒子群算法、蚁群算法、人工鱼群算法、神经网络算法、模糊系统、专家系统等。本书不仅涵盖基本的理论知识,还通过相应的实
深度学习往往被视为数学博士和大型科技公司的专属领域。但正如这本实践指南所展示的那样,熟练使用Python的程序员只需很少的数学背景、少量的数据和最少的代码,就可以在深度学习方面取得令人印象深刻的成果。怎么样才能做到?使用fastai,这是**为最常用的深度学习应用提供一致接口的库。本书作者JeremyHoward和Sy
数据孤岛和隐私保护已经成为制约人工智能发展的关键因素。联邦学习作为一种新型的隐私保护计算方案,在数据不出本地的前提下,能有效联合各参与方联合建模,从而实现“共同富裕”,成为当下人工智能领域备受关注的热点。本书以实战为主(包括对应用案例的深入讲解和代码分析),兼顾对理论知识的系统总结。全书由五部分共19章构成。第一部分简
创新工场于2017年发起了面向高校在校生的DeeCamp人工智能训练营(简称DeeCamp训练营),训练营内容涵盖学术界与产业界领军人物带来的全新AI知识体系和来自产业界的真实实践课题,旨在提升高校AI人才在行业应用中的实践能力,以及推进产学研深度结合。本书以近两年DeeCamp训练营培训内容为基础,精选部分导师的授课
本书是面向高级人工智能人才培养的高等学校人工智能相关专业规划教材中的一本,通过梳理人工智能涉及的相关数学理论,并通过Python实现相关案例,使抽象的理论具体化,从而加深读者对数学的感性认识,提高读者对数学理论的理解能力。本书首先介绍了人工智能所需的基础数学理论,然后根据数学内容的逻辑顺序,以微积分、线性代数、概率论、
这是一本具有高中数学知识就能读懂的机器学习图书,书中通过大量程序实例,将复杂的公式重新拆解,详细、清晰地解读了机器学习中常用的数学知识,一步步带领读者进入机器学习的领域。本书共22章,主要讲解了数据可视化、math模块、sympy模块、numpy模块、方程式、函数、最小平方法、集合、概率、贝叶斯定理、指数、对数、欧拉数
图神经网络(GNN)是基于深度学习的图数据处理方法,因其卓越的性能而受到广泛关注。本书全面介绍了GNN的基本概念、具体模型和实际应用。书中首先概述数学基础和神经网络以及图神经网络的基本概念,接着介绍不同种类的GNN,包括卷积图神经网络、循环图神经网络、图注意力网络、图残差网络,以及几个通用框架。此外,本书还介绍了GNN
本书由全球知名的3位专家IanGoodfellow、YoshuaBengio和AaronCourville撰写,是深度学习领域奠基性的经典教材。全书的内容包括3个部分:第1部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;第2部分系统深入地讲解现今已成熟的深度学习方法和技术;第3部分讨论某些具有前瞻性的
本书利用精美的插图和有趣的类比,对深度学习的主流技术和背后的原理进行了深入浅出的讲解,解释了什么是深度学习,深度学习流行的原因,以及深度学习与其他机器学习方法的关系。阅读本书,读者可以掌握卷积神经网络、循环神经网络、生成式对抗网络和深度强化学习等热门技术,学习TensorFlow、Keras和PyTorch等热门工具的
近年,人工智能热潮席卷而来。本书以图解的方式网罗了人工智能开发必备的基础知识,内容涉及机器学习、深度学习、强化学习、图像和语音的模式识别、自然语言处理、分布式计算等热门技术。全书以图配文,深入浅出,是一本兼顾理论和技术的人工智能入门教材。旨在帮助读者建立对人工智能技术的整体印象,为今后深入探索该领域打下基础。另外,书中